基于鱼体特征点检测的淡水鱼种类识别.pdfVIP

第 39 卷 　 第 11 期 农 业 工 程 学 报　 Vol.39　No.11 2023 年 　　 6 月 Transactions of the Chinese Society of Agricultural Engineering Jun. 2023 155     基于鱼体特征点检测的淡水鱼种类识别 1,2,3 1,2 1,2,3,4※ 1,2 1,2 朱　明  ，李梦珂  ，万　鹏  ，肖畅宇  ，赵竣威  （1.   华中农业大学工学院，武汉 430070；2.   农业农村部水产养殖设施工程重点实验室，武汉 430070；3.   农业农村部长江中下 游农业装备重点实验室，武汉 430070；4.   农业农村部华南现代农业智能装备重点实验室，广州，510630） 摘　要：针对传统机器视觉技术对淡水鱼种类进行检测时特征提取过程复杂的问题，该研究提出了基于特征点检测的淡 水鱼种类识别方法。以鳊、鳙、草鱼、鲢、鲤5种大宗淡水鱼为对象，构建了淡水鱼特征点检测数据集；以AlexNet模 型为基础，通过减小卷积核尺寸、去除局部响应归一化、引入批量归一化、更换损失函数，构建了改进AlexNet模型用 于特征点检测；并以特征点为依据提取特征值、构造特征向量，使用Fisher判别分析方法实现了淡水鱼的种类识别。试 验结果表明：改进AlexNet模型在测试集上的归一化平均误差的均值为0.009 9，阈值δ 为0.02和0.03时的失败率F0.02、 F0.03 分别为2.50%和0.83%，具有较好的精准度和误差分布情况；基于该模型和Fisher判别分析的淡水鱼种类识别方法 对5种淡水鱼的识别准确率为98.0%，单幅图像的平均识别时间为0.368 s，保证了时效性。由此可知，提出的改进 AlexNet模型能实现淡水鱼的特征点检测并具有较高的精度，可为淡水鱼种类识别、尺寸检测、鱼体分割等提供条件， 该方法可为淡水鱼自动化分类装置的研发奠定基础。 关键词：鱼；图像识别；深度学习；特征点检测；种类识别；Fisher判别分析 doi：10.11975/j.issn.1002-6819.202301096 中图分类号：TP391.4　　　　文献标志码：A　　　　文章编号：1002-6819(2023)11-0155-10 朱明，李梦珂，万鹏，等. 基于鱼体特征点检测的淡水鱼种类识别[J]. 农业工程学报，2023，39（11）：155-164. doi: 10.11975/j.issn.1002-6819.202301096　　 ZHU Ming, LI Mengke, WAN Peng, et al. Identification of freshwater fish species based on fish feature point detection[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2023, 39(11): 155-164. (in Chinese with English abstract)　　doi: 10.11975/j.issn.1002-6819.202301096　　 [13] 机对鱼体分类；万鹏等 提取鱼体形态特征和颜色特征   0　引　言 采用BP神经网络对淡水鱼品种进行识别。综上所述， 淡水鱼种类识别是淡水鱼机械化、自动化加工处理 传统机器视觉的淡水鱼种类识别方法流程为鱼体图像预