基于深度学习的鱼苗目标检测方法研究
在渔业养殖中,随着养殖规模的日趋庞大,鱼苗大小分类与数量检测成为难点问题.传统的人工成本过高,计数时间过长,效率低下且影响鱼苗的成活率[1].文章提出一种基于深度学习的鱼苗目标检测方法.首先通过传统的技术手段获取鱼苗图片,通过YOLO将目标检测作为一个回归问题进行求解,将输入的图片分割成S×S网格,然后每个单元格负责检测中心点落在该网格内的目标,每个单元格会预测多个边界框(bounding box)以及边界框的置信度(confidence score)[2],便能得到图像中所有物体的位置和其所属类别及相应的置信概率,最后使用数字图像处理技术对图像进行去除噪声、增强、复原、分割、提取特征等处理.YOLO在目标检测的算法中具有其独特的优越性,从而能检测到更加精确的鱼苗数量.
YOLO技术、图像处理技术、尺寸测量、鱼苗计数
TP391.4(计算技术、计算机技术)
财政部中央引导地方科技发展专项;大学生创新创业训练计划项目;闽江学院校长基金项目;福建省自然科学基金资助项目
2023-04-13(万方平台首次上网日期,不代表论文的发表时间)
共3页
113-115