基于改进YOLOv4的虾苗智能识别算法研究

摘要：

近年来,虾类养殖发展迅速,已经成为我国水产养殖中的新型支柱产业,给国家及养殖企业带来了巨大的经济与社会价值.在对虾类进行养殖的过程中,对虾苗进行识别和数量统计为虾苗运送销售、科学喂养虾苗、挑选优质虾苗等环节提供了强力支持.因此,对虾苗进行智能识别与统计对虾类养殖业具有很重要的现实意义.但是,因虾苗图像存在反光、虾苗个体较小等特点,对虾苗进行智能识别与统计特别困难.本文针对虾苗识别存在的难点,提出一种基于改进的YOLOv4的虾苗智能识别算法,在原有的YOLOv4基础上,通过聚类方法对虾苗大小进行统计,获得虾苗大小的分布特征.基于该统计结果,对YOLOv4模型进行优化,将预设的8个锚框缩减为4个.为了让网络更好地关注重要特征并抑制不必要的特征,在YOLOv4网络的输出阶段加入SAM模块.实验表明,本文提出的算法在准确率、召回率、mAP值的评价中均取得了最优或次优的结果.

关键词：卷积神经网络、深度学习、虾苗识别、目标检测

所属期刊栏目：40

分类号：TP391.41(计算技术、计算机技术)

在线出版日期：2021-06-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：25-28