10.3969/j.issn.1673-9957.2022.19.007
基于深度学习的常见市场渔获检测分类算法研究
深度学习的应用范围越来越大,在图像识别、生物检测等领域尤为成熟,大幅扩大了检测规模,提高了检测性能.该试验对图像分类模型进行研究,以市场常见的30种渔获物为对象,包括黄鱼、鲳鱼、鲍鱼、鲢鱼以及秋刀鱼等食材,通过人工拍照、网络爬虫方式获取相关图片,以构建数据集,从而搭建ResNet网络模型,引入迁移学习机制训练渔获分类模型,并采用增加卷积层数、调整训练参数等方法验证模型检测分类的有效性.结果表明,ResNet网络分类模型具有较高的识别精度和良好的稳定性,可以有效地对市场常见渔获进行分类,为后续海洋渔业鱼类分拣的研究奠定了基础.
深度学习、特征提取、鱼类识别、残差网络
TP391(计算技术、计算机技术)
温州市高水平创新团队;浙江省万人计划科技创新领军人才项目
2023-01-07(万方平台首次上网日期,不代表论文的发表时间)
共3页
19-21