基于ResNet34模型的大菱鲆鱼苗识别计数方法

作     者：涂雪滢 钱程 刘世晶 刘晃 李国栋 TU Xueying;QIAN Cheng;LIU Shijing;LIU Huang;LI Guodong

作者机构：中国水产科学研究院渔业机械仪器研究所上海200092 农业农村部渔业装备与工程技术重点实验室上海200092 

出 版 物：《渔业现代化》 (Fishery Modernization)

年 卷 期：2024年第51卷第1期

页      面：90-97页

学科分类：08[工学] 0828[工学-农业工程] 082801[工学-农业机械化工程] 

基　　金：国家重点研发计划“海水鱼循环水智能育苗设备技术合作研究(2021YFE0108700)” 

主　　题：鱼苗计数 图像识别 大菱鲆 ResNet34模型 

摘      要：鱼苗数量的精准统计对提升苗种品质评价、养殖密度估算、鱼苗销售等环节的智能化水平具有重要作用。针对大菱鲆鱼苗个体小、透明度高以及体型不规则等影响计数精准度的问题,提出了一种基于ResNet34的大菱鲆鱼苗识别计数方法。首先,设计了一套适用于微小目标计数需要的图像采样装置,采用图像预处理方法实现鱼苗前景分割和初步定位。为了有效统一样本空间和待识别目标空间,利用最小外接矩规则化初步定位前景图像,构建图像样本集。大菱鲆鱼苗识别阶段,利用相同预处理方法获取待识别目标区域,并引入ResNet34模型作为识别模型实现待识别目标区域苗种识别;最后,通过统计所有待识别目标识别数量结果实现大菱鲆苗种计数。结果显示:本方法在微小鱼苗识别计数方面取得了较好的精度,利用ResNet34模型的大菱鲆鱼苗的识别平均准确率达到94.27%,比基于SVM方法(识别精度85.8%)和AlexNet(识别精度87.04%)方法识别精度分别提高7.4个百分点和8.64个百分点,优于ResNet18(识别精度93.21%)和ResNet50(识别精度93.83%)等相似结构的识别效果。本模型鱼苗计数的平均准确率达到96.28%。研究表明,提出的样本集构建和识别方法能够满足微小目标计数需求,可为鱼类苗种计数提供了技术借鉴。