CNN-LSTM在日本鲭捕捞渔船行为提取中的应用.pdfVIP

下载本文档

3
0
约6.1万字
约 10页
2023-07-31 发布于新疆
举报
版权申诉

CNN-LSTM在日本鲭捕捞渔船行为提取中的应用.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
7、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

第 38 卷第 7 期农业工程学报 Vol.38 No.7 200 2022 年 4 月 Transactions of the Chinese Society of Agricultural Engineering Apr. 2022 CNN-LSTM 在日本鲭捕捞渔船行为提取中的应用 1,2 2※ 2 2 2 2 1 王书献，张胜茂，唐峰华，石永闯，范秀梅，樊伟，孙宇（1. 大连海洋大学航海与船舶工程学院，大连 116023 ； 2. 农业农村部渔业遥感重点试验室，中国水产科学研究院东海水产研究所，上海 200090 ）摘要：目前，国内外部分自动化程度较高的捕捞渔船逐渐开始采用人类观察员与电子观察员相结合的捕捞监控方式。为简化电子监控系统数据处理流程、提高电子监控系统自动化程度、增强相关渔业公司及政府部门的管理效率，该研究提出将卷积神经网络（Convolutional Neural Network, CNN ）与长短期记忆模块（Long Short Term Memory, LSTM ）应用在传统电子监控系统数据中，用于灯光渔业日本鲭捕捞渔船行为提取。根据日本鲭捕捞渔船工作特点，划分出放网、收网、进鱼、转载等 9 种捕捞作业行为。设计 4 组平行试验，分别对比 3 层卷积神经网络、带有 LSTM 模块的 3 层卷积神经网络、8 层卷积神经网络、带有 LSTM 模块的 8 层卷积神经网络在日本鲭捕捞渔船行为提取中的表现。试验结果显示，在测试集中该 4 种神经网络训练得到的模型综合评价指标 F1 分数分别达到了 0.794、0.799 ，0.966 及 0.972 ，在配备NVIDIA Tesla V100 32GB 高性能 GPU 的超算环境下 5 000 组数据平均每次检测耗时分别为 34.66、34.50、37.41、37.61 ms 。在一定范围内，网络深度的增加会显著提升模型的效果，但检测耗时也会有明显增加；LSTM 模块的加入对网络模型效果有一定程度的提升，且不会显著影响检测耗时。因此，CNN-LSTM 模块在电子监控系统高实时性、高精度场景下均有较大的应用前景，能够提高电子监控系统自动化程度，提高相关部门的管理效率。关键词：电子监控系统；卷积神经网络；长短期记忆；日本鲭；捕捞行为 doi ：10.11975/j.issn.1002-6819.2022.07.022 中图分类号：S973 文献标志码：A 文章编号：1002-6819(2022)-07-0200-10 王书献，张胜茂，唐峰华，等. CNN-LSTM在日本鲭捕捞渔船行为提取中的应用[J]. 农业工程学报，2022，38(7)：200-209. doi ：10.11975/j.issn.1002-6819.2022.07.022 Wang Shuxian, Zhang Shengmao, Tang Fenghua, et al. Extracting the behavior of Scomber japonicus fishi