检索结果-南通市图书馆

基于改进YOLOv8的渔港船舶进出港目标检测与统计方法

在线全文

学校读者我要写书评

暂无评论

大连海洋大学学报 2024年第3期 498-505页

作者：惠卓凡李鹏龙沈烈沈辉隋江华张胜茂大连海洋大学航海与船舶工程学院中国水产科学研究院东海水产研究所农业农村部渔业遥感重点试验室辽宁省海洋与渔业行政执法总队

为减轻渔港执法人员在渔船进出港统计工作中的压力，提出了一种基于改进YOLOv8模型的渔港船舶进出港目标检测与统计模型YOLOv8n-Bi-FPN-EMA,该模型采用加权双向特征金字塔网络结构(Bi-FPN),引入高效多尺度注意模块(EMA)以提高模型的目... 详细信息

为减轻渔港执法人员在渔船进出港统计工作中的压力，提出了一种基于改进YOLOv8模型的渔港船舶进出港目标检测与统计模型YOLOv8n-Bi-FPN-EMA,该模型采用加权双向特征金字塔网络结构(Bi-FPN),引入高效多尺度注意模块(EMA)以提高模型的目标检测准确性和稳定性，并结合BoT-SORT跟踪算法实现对不同类型船舶进出渔港的分类统计。结果表明：与YOLOv8n模型相比，YOLOv8n-Bi-FPN-EMA模型的准确率提高了5.0%,mAP@0.5提高了0.2%,对执法船、拖船和渔船的识别准确率分别提高了9.9%、4.9%、0.3%。其中，对渔船的识别准确率为99.1%,召回率为84.4%,mAP@0.5为97.8%。研究表明，YOLOv8n-Bi-FPN-EMA模型在渔船识别上有较好的表现，可用于渔船识别与进出港统计的辅助工作。

关键词：深度学习目标检测 YOLOv8 渔船识别进出港统计伏渔季管理

具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

大连海洋大学学报 2024年第2期39卷 318-326页

作者：李鹏龙张胜茂沈烈樊伟顾家辉邹国华大连海洋大学航海与船舶工程学院辽宁大连116023 中国水产科学研究院东海水产研究所农业农村部渔业遥感重点试验室上海200090 上海峻鼎渔业科技有限公司上海200090

为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存,添... 详细信息

为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存,添加了新的视觉通用变换器BiFormer以提升计算效率,并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明:使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果,慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明,本文中设计的YOLOv8n-BiFormer模型具有通用性,在检测和追踪血鹦鹉和慈鲷目标方面均表现优异,消耗的计算资源较少,可部署在水族箱监控系统中,为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

关键词：血鹦鹉慈鲷 YOLOv8模型检测追踪 ByteTrack算法

同方期刊数据库博看期刊评论

在线全文

学校读者我要写书评

暂无评论

基于深度学习的鱼类跟踪技术研究进展

渔业现代化 2024年第2期51卷 1-13页

作者：李鹏龙张胜茂沈烈吴祖立唐峰华张衡大连海洋大学航海与船舶工程学院辽宁大连116023 农业农村部渔业遥感重点实验室中国水产科学研究院东海水产研究所上海200090

近年来,水产养殖和渔业资源保护的智能化发展迅速,对鱼类跟踪技术的需求也随之增加。传统的鱼类跟踪方法主要依赖于目视观察和标签追踪,存在效率低、应用范围有限、准确率不高等问题,限制了其推广应用。随着深度学习技术在计算机视觉领... 详细信息

近年来,水产养殖和渔业资源保护的智能化发展迅速,对鱼类跟踪技术的需求也随之增加。传统的鱼类跟踪方法主要依赖于目视观察和标签追踪,存在效率低、应用范围有限、准确率不高等问题,限制了其推广应用。随着深度学习技术在计算机视觉领域的快速发展,基于深度学习的鱼类跟踪技术能够提供准确、客观、可扩展和自动化的跟踪方法。首先,介绍了鱼类跟踪技术的跟踪对象和4种深度学习鱼类追踪方法,分别是语义分割、实例分割、目标检测和目标分类。其次,介绍了鱼类跟踪技术如何获取鱼类轨迹与姿态、鱼类数量以及鱼类体长等鱼类目标跟踪信息。接着,介绍了基于深度学习的鱼类跟踪技术在鱼类疾病、鱼类摄食行为以及鱼类健康状态方面的应用,并从低对比度和纹理模糊、图像颜色失真以及遮挡和变形等3个方面,探讨了目前基于深度学习的鱼类跟踪技术的主要问题和一些相应的解决方法。最后,对基于深度学习的鱼类跟踪技术的发展前景进行了总结和展望。研究认为:基于深度学习的鱼类跟踪技术具有更高的准确度和客观性,为不同场景下的实际应用提供了更多解决方案,该技术有望在水产养殖管理、鱼类科学研究以及海洋环境保护等领域发挥更重要的作用,为相关领域提供更多的数据和支持。

关键词：鱼类跟踪深度学习鱼体测量鱼类行为

在线全文

学校读者我要写书评

暂无评论

养殖水体中校色卡识别与色彩变化分析

渔业信息与战略 2024年第1期39卷 49-60页

作者：李佳康张胜茂吴祖立石永闯唐峰华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 上海海洋大学信息学院上海201306

水下环境中颜色变化是一种常见现象,研究其变化特征可应用于水下图像处理和水产养殖生物监测等。利用校色卡分析不同水深颜色变化的特点,实验中首先对图像进行大小归一化及颜色空间转换;其次用图像与标准色块对比计算差值图像;然后进行... 详细信息

水下环境中颜色变化是一种常见现象,研究其变化特征可应用于水下图像处理和水产养殖生物监测等。利用校色卡分析不同水深颜色变化的特点,实验中首先对图像进行大小归一化及颜色空间转换;其次用图像与标准色块对比计算差值图像;然后进行轮廓提取并筛选出可能的色块加入候选列表,通过候选列表中的色块计算出原图色卡的位置;再通过仿射变换将原图色卡提取出来;最后,通过比较不同水深图像中色卡色块的颜色值,分析水下环境中的颜色变化。实验结果表明,该方法能够有效地检测和分析水下环境中的色卡,在0~3 m的浅水域中检测准确率达到100%,在3~10 m的中层水域中检测准确率达到93%,在大于10 m背景较为复杂深水域中提取准确率达到73.7%,在占用极小内存空间的情况下达到了较高的识别准确率;通过水下颜色分析得出:随着水深的增加,红色光的吸收和衰减最明显,蓝色光的吸收和衰减也比较多,而绿色光的影响较小。研究内容为利用水下摄影研究水产养殖生物行为提供了参考方法。

关键词：校色卡 OpenCV 图像处理色卡检测颜色空间水产养殖

在线全文

学校读者我要写书评

暂无评论

高功效LED集鱼灯制作工艺流程的分析

工业控制计算机 2024年第2期37卷 150-152页

作者：司泰来张胜茂唐峰华何元武王晓华宋建勇董康忠大连海洋大学航海与船舶工程学院辽宁大连116023 中国水产科学研究院东海水产研究所农业农村部东海渔业资源开发利用重点实验室上海200090 南通溢德行工业科技有限公司江苏南通226000 舟山市宏润远洋渔业有限公司浙江舟山316000

光诱渔业具有巨大的市场经济效益,尤其是远洋灯光捕捞业体量巨大,渔船数量众多,集鱼灯作为重要的助渔装备之一,实现快速高效集鱼功能。随着新技术的更新与介入,LED集鱼灯(发光二极管集鱼灯,Light Emitting Diode Fish Lamp)是未来渔业... 详细信息

光诱渔业具有巨大的市场经济效益,尤其是远洋灯光捕捞业体量巨大,渔船数量众多,集鱼灯作为重要的助渔装备之一,实现快速高效集鱼功能。随着新技术的更新与介入,LED集鱼灯(发光二极管集鱼灯,Light Emitting Diode Fish Lamp)是未来渔业装备与工具中最重要的研究方向。LED集鱼灯相较于金卤灯优势巨大,未来LED集鱼灯逐步取代金卤灯是必然趋势。研究通过前期比较,开展外观设计与基本参数设定,通过SMT(表面贴装技术,Surface Mounted Technology)车间工艺和生产组装车间工艺等设计研究方法,制作出了高功效LED秋刀鱼集鱼灯,并完成对生产成品多层质量检测,高功率和组装式集成模块的设计,使产品更具备发光高效性和容错率。但LED集鱼灯仍在多个交叉学科面临诸多难题,包括散热、安装、集鱼效果等方面需要投入更多的精力去研究。

关键词：光诱渔业传统金卤灯 LED集鱼灯工艺流程 SMT

X-ray在鱼体组织及微量元素检测中的应用

在线全文

学校读者我要写书评

暂无评论

应用光学 2024年第1期45卷 166-176页

作者：宋一帆张胜茂张衡唐峰华张寒野石永闯崔雪森上海海洋大学信息学院上海201306 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

鱼类硬质组织物,特别是骨骼支持鱼体和保护其体内器官的组织,对其进行特征检测分析是研究鱼类游泳运动、鱼类解剖、鱼体建模等的数据基础。随着X-ray技术的发展和国产设备的广泛应用,其仪器设备成本明显降低,使得X-ray在渔业研究与自动... 详细信息

鱼类硬质组织物,特别是骨骼支持鱼体和保护其体内器官的组织,对其进行特征检测分析是研究鱼类游泳运动、鱼类解剖、鱼体建模等的数据基础。随着X-ray技术的发展和国产设备的广泛应用,其仪器设备成本明显降低,使得X-ray在渔业研究与自动化生产中的应用成为可能。首先介绍了X-ray技术的基本原理与其在鱼体组织检测中的应用,X-ray技术在鱼体组织及微量元素检测中的应用主要分为鱼类组织器官的无损检测和鱼体微量元素检测两部分,其中分别介绍了包括照相法、数字成像法、衍射技术和吸收光谱法等X-ray技术;然后综述其在鱼体组织器官建模、鱼骨检测、鱼类化石研究、鱼耳石分析和鱼体微量元素检测方面的应用,总结了Xray在渔业领域应用中存在的问题;最后对X-ray的渔业应用方向进行展望。

关键词： X-ray 鱼体骨骼鱼类耳石鱼体建模鱼体微量元素

基于改进YOLOv7的毛虾捕捞渔船作业目标检测与计数方法

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2023年第10期39卷 151-162页

作者：孙月莹陈俊霖张胜茂王书献熊瑛樊伟上海海洋大学信息学院上海201306 大连海洋大学航海与船舶工程学院大连116023 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 江苏省海洋水产研究所南通226007

渔船捕捞信息量化是开展限额捕捞精细化管理的前提,为解决中国毛虾限额捕捞目标识别和信息统计量化问题,研究了在中国毛虾限额捕捞渔船上安装电子监控(electronic monitoring,EM)设备,并基于YOLOv7提出一种改进的目标检测算法(YOLOv7-MO... 详细信息

渔船捕捞信息量化是开展限额捕捞精细化管理的前提,为解决中国毛虾限额捕捞目标识别和信息统计量化问题,研究了在中国毛虾限额捕捞渔船上安装电子监控(electronic monitoring,EM)设备,并基于YOLOv7提出一种改进的目标检测算法(YOLOv7-MO)和目标计数算法(YOLOv7-MO-SORT)。YOLOv7-MO目标检测算法采用MobileOne作为主干网络,在输出端head部分加入C3模块,并完成剪枝操作;YOLOv7-MO-SORT目标计数算法将SORT(simple online and realtime tracking)算法中的Fast R-CNN替换为YOLOv7-MO,用于检测捕捞作业中抛出的锚和装有毛虾的筐。采用卡尔曼滤波和匈牙利匹配算法对检测到的目标进行跟踪预测,设置碰撞检测线、时间戳、阈值和计数器,实现对捕捞作业过程中渔获毛虾筐数和下网数量计数。结果表明:1)改进后的YOLOv7-MO在测试集上的平均检测精度、召回率、F1得分分别达到了97.3%,96.0%,96.6%,相比YOLOv7模型分别提升了2.0、1.1和1.5个百分点。2)改进后的YOLOv7-MO模型大小、参数量和浮点运算数分别为64.0 MB、32.6 M、39.7 G,相比YOLOv7模型分别缩小了10.2%、10.6%和61.6%。3)以YOLOv7-MO为检测器的SORT算法毛虾捕捞作业计数准确率在统计毛虾筐数和下网数量上分别达到80.0%和95.8%。YOLOv7-MO在提高检测精度的同时减轻了模型量级,提高了检测效率。结果表明,该研究能够为实现渔船捕捞作业信息记录自动化和智能化提供方法,为毛虾限额捕捞管理提供决策参考依据。

关键词：机器视觉目标检测中国毛虾限额捕捞电子监控系统 YOLOv7 SORT

CNN-LSTM在日本鲭捕捞渔船行为提取中的应用

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第7期38卷 200-209页

作者：王书献张胜茂唐峰华石永闯范秀梅樊伟孙宇大连海洋大学航海与船舶工程学院大连116023 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

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(... 详细信息

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

基于3-2D融和模型的毛虾捕捞渔船行为识别

在线全文

学校读者我要写书评

暂无评论

南方水产科学 2022年第4期18卷 126-135页

作者：张佳泽张胜茂王书献杨昱皞戴阳熊瑛上海海洋大学信息学院上海201306 中国水产科学研究院东海水产研究所/农业农村部渔业遥感重点实验室上海200090 大连海洋大学航海与船舶工程学院辽宁大连116023 江苏省海洋水产研究所江苏南通226007

针对中国毛虾(Acetes chinensis)产量逐年锐减问题,中国开始对近海海域实施毛虾限额捕捞措施,采用视频监控技术辅助捕捞管理。提出一种基于3-2D融和模型的毛虾捕捞渔船行为识别方法,为限额捕捞管理提供新的解决方案。通过在毛虾渔船上4... 详细信息

针对中国毛虾(Acetes chinensis)产量逐年锐减问题,中国开始对近海海域实施毛虾限额捕捞措施,采用视频监控技术辅助捕捞管理。提出一种基于3-2D融和模型的毛虾捕捞渔船行为识别方法,为限额捕捞管理提供新的解决方案。通过在毛虾渔船上4个固定位置安装高清摄像设备,并记录捕捞作业全过程,共获取600余个视频监控数据作为初始数据;从初始数据中筛选有效的视频数据,同时对视频数据进行5种行为的划分和标记。为了提高网络训练的效率,对视频数据进行压缩和帧数分割等预处理;最后,通过搭建3-2D融合的卷积神经网络来训练模型,实现渔船行为特征的提取和分类。结果表明,捕捞渔船行为识别方法的分类精度为95.35%,召回率为94.50%,平均精确度为96.60%,模型整体得分达93.32%,平均检测时间为35.46 ms·帧^(−1),可用于毛虾渔船捕捞视频的实时分析。

关键词：中国毛虾限额捕捞深度学习卷积神经网络