基于多组卷积神经网络的梭子蟹性别识别研究
Multi-group convolutional neural network for gender recognition of Portunus tritubereulatus作者机构:浙江海洋大学海洋工程装备学院浙江舟山316002 合肥城市学院安徽合肥231131
出 版 物:《南方水产科学》 (South China Fisheries Science)
年 卷 期:2024年第20卷第1期
页 面:89-98页
核心收录:
学科分类:1305[艺术学-设计学(可授艺术学、工学学位)] 13[艺术学] 08[工学] 081104[工学-模式识别与智能系统] 0804[工学-仪器科学与技术] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程]
基 金:浙江省“尖兵”“领雁”研发攻关计划项目(2022C02001) 舟山市科技计划项目(2021C21005)
摘 要:为了实现梭子蟹的智能化分拣,高精度的智能识别分类成为亟待开发的关键技术。首先对采集到的梭子蟹图像进行预处理和数据增强,构建出梭子蟹性别分类数据集(Portunus gender classification dataset,PGCD);提出一种基于多组卷积神经网络的梭子蟹性别识别方法,该方法主要使用ResNet50从图像块中提取特征,降低特征提取过程的信息损失。为了更专注地找出输入数据的有用信息,开发出一种注意力机制来强调全局特征图中的细节重要性;最后进行了一系列的参数调整,提高了网络的训练效率和分类精度。实验结果显示,该方法在PGCD上的分类准确率、召回率和查准率分别达到95.59%、94.41%和96.68%,识别错误率仅为4.41%。表明该方法具有优越的分类性能,可用于梭子蟹性别的自动分类及识别系统。