基于对比聚类的鱼类图像检索系统研究

作     者：吴军 

作者单位：大连海洋大学 

学位级别：硕士

导师姓名：曹立杰;刘振余

授予年度：2024年

学科分类：08[工学] 0828[工学-农业工程] 080203[工学-机械设计及理论] 082801[工学-农业机械化工程] 0802[工学-机械工程] 

主      题：目标检测 图像检索 迭代对比 个体识别 YOLOv7-tiny 

摘      要：在水产养殖领域,对鱼类的生长状况进行监控,能够及时发现异常生长状态并采取防治措施。另外,对鱼类生长情况的系统分析,可以为评估养殖方法的效能提供量化的指标,从而让养殖者能够调整养殖策略,优化生产过程,提升经济效益。本文通过深度学习技术设计一种鱼类图像检索方法,能够实现对鱼类个体的识别,从而监测鱼类生长状况,推动养殖方法的科学化,实现更加精准和高效的养殖管理。本文主要工作如下:(1)图像检索任务对于目标检测的精度有很高的要求,针对目标检测过程中复杂的图片背景、目标尺寸较小和目标之间存在重叠等因素会影响检测精度的问题,本文提出一种改进的YOLOv7-tiny目标检测算法。首先,通过将坐标注意力机制中普通卷积改进为可变形卷积DCNv2,并将改进后的注意力模块与特征提取网络中的C5模块进行融合,形成C5＿DAtt模块,加强对不同通道特征的融合,扩大感受野。其次,采用更高级的WiseIo Uv3替代CIo U的方法,通过赋予小边界框更高的权重来提高对小目标的检测能力,解决小目标检测能力较弱以及目标重叠度过大导致漏检和分类置信度降低的问题。此外,本文还引入动态检测头Dy Head来提升模型的整体性能。实验表明,本文对YOLOv7-tiny的改进使得m AP@0.5能达到95.8%,相较于原始YOLOv7-tiny提升了3.7%。(2)针对鱼类个体识别过程中存在数据集聚类效果较差以及检索方式过于繁琐的问题,本文提出基于对比学习和深度聚类的图像检索方法。首先对聚类过程进行改进,采用迭代对比的方式对聚类中心进行比较,以此得到效果最好的聚类中心,用来作为检索的对比基准。其次,设计了基于孪生网络和对比损失的图像检索方法,用于创建针对鱼类个体的特征嵌入模型,通过计算余弦相似度的方式完成对图像的检索,从而实现对鱼类个体的精准识别。经过实验论证,本文提出的图像检索方法,对鱼类图像的检索准确率能达到0.990。(3)基于改进的YOLOv7-tiny目标检测算法和鱼类图像检索方法,利用Py Qt5设计并实现了鱼类图像检索系统。系统利用Py Qt5搭建GUI界面,通过设计图形界面控件并接入槽函数,实现了模型初始化、图片检测、图片裁剪、图像检索等功能,从而实现对鱼类个体的精准识别。