基于深度学习VGG网络模型的海洋单细胞藻类识别算法

摘要：

为更好地对海洋中单细胞藻类进行有效识别,本研究提出了基于改进式VGG16网络模型的单细胞藻类识别算法—AlgaeNet,在传统VGG网络模型基础上,通过减少卷积核数量,并添加BatchNormalization层进行神经网络模型加速.结果表明:在相同试验条件下,本研究中提出的AlgaeNet算法在训练过程中的损失值收敛速度及对测试集样本(卵形小球藻Chlorella ovalis与小等刺硅鞭藻Dictyocha fibula Ehrenberg)的预测准确率上升速度较传统VGG、AlexNet网络模型优势明显,识别准确率可达99.317％.研究表明,基于改进式VGG16网络模型的单细胞藻类识别算法AlgaeNet在单细胞藻类识别领域具有较好的分类识别性能,可实现海洋中藻类的准确识别.

关键词：卵形小球藻、小等刺硅鞭藻、VGG、深度学习、识别

所属期刊栏目：36

分类号：TP391.41;S931.1(计算技术、计算机技术)

资助基金：辽宁省自然科学基金;辽宁省博士科研启动基金;辽宁省教育厅科研项目

在线出版日期：2021-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：334-339