检索结果-南通市图书馆

基于YOLOv7-tiny的轻量化海珍品检测算法

在线全文

学校读者我要写书评

暂无评论

计算机应用 2024年第S1期44卷 319-323页

作者：陈俊逸曹立杰吴军罗佳璐何植仟大连海洋大学信息工程学院辽宁省海洋信息技术重点实验室(大连海洋大学)

针对当前海珍品捕捞机器人使用的水下目标检测算法参数量大，不适合部署在移动设备上等问题，提出一种基于YOLOv7-tiny(You Only Look Once version 7-tiny)的轻量化海珍品检测算法ES YOLOv7-tiny(EfficientNet-S YOLOv7-tiny)。在YOLOv... 详细信息

针对当前海珍品捕捞机器人使用的水下目标检测算法参数量大，不适合部署在移动设备上等问题，提出一种基于YOLOv7-tiny(You Only Look Once version 7-tiny)的轻量化海珍品检测算法ES YOLOv7-tiny(EfficientNet-S YOLOv7-tiny)。在YOLOv7-tiny基础上，首先，将骨干网络替换为改进的EfficientNet(EfficientNet-S)，并将颈部网络中卷积核大小为3×3卷积替换为轻量化卷积，达到降低参数量的目的；其次，使用k-means++算法聚类锚框尺寸，提高推理速度；最后，使用知识蒸馏算法进一步提高精度。在RUIE(Real-world Underwater Image Enhancement)数据集上，所提算法平均精度均值（mAP）达到73.7%，检测速度达到123 frame/s，参数量为4.45×106，与原YOLOv7-tiny算法相比，在mAP上提升了1.2个百分点，检测速度提升25 frame/s，参数量降低了1.56×106。实验结果表明，所提算法在提升精度的同时降低了参数量，并且加快了检测速度，证明了该算法的有效性。

关键词：海珍品目标检测 YOLOv7-tiny 轻量化 k-means++

大模型在水产养殖病害防治中的创新应用与展望

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39卷 369-382页

作者：张思佳于红大连海洋大学信息工程学院辽宁省海洋信息技术重点实验室辽宁大连116023 设施渔业教育部重点实验室(大连海洋大学) 辽宁大连116023 大连市智慧渔业重点实验室辽宁大连116023

大模型是具有大量参数和复杂结构的机器学习基础模型,目前正在逐渐成为科技发展的重要方向之一。本文阐述了大模型应用的核心技术,并探讨了其运行所需的基本条件及大模型在辅助水产养殖病害防治中的具体应用,包括大模型辅助水产养殖病... 详细信息

大模型是具有大量参数和复杂结构的机器学习基础模型,目前正在逐渐成为科技发展的重要方向之一。本文阐述了大模型应用的核心技术,并探讨了其运行所需的基本条件及大模型在辅助水产养殖病害防治中的具体应用,包括大模型辅助水产养殖病害防治与管理、协同水产养殖环境监测与疾病防治、水产药物研发、水产动物疾病抗性培育组学技术中的应用,并从数据获取与处理、模型适应性与泛化能力、计算资源与训练成本、隐私与安全、模型解释性与用户接受度、多任务学习与优先级管理、跨区域数据共享与合作、知识图谱增强大模型集成与利用等方面提出了大模型的未来发展趋势,以期为大模型在水产养殖病害防治领域的进一步应用提供有力支持,推动水产养殖业向更高效、可持续的方向发展。

关键词：大模型水产养殖病害防治智慧化深度学习

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于改进YOLOv7的密集鱼群计数检测

广东海洋大学学报 2024年第2期44卷 115-123页

作者：李尹佳胡泽元涂万张鹏韦思学于红吴俊峰大连海洋大学信息工程学院大连智慧渔业重点实验室设施渔业教育部重点实验室(大连海洋大学) 辽宁省海洋信息技术重点实验室辽宁大连116023

【目的】提高在水体浑浊和鱼群高密度聚集等复杂环境中的鱼群检测精度。【方法】提出一种基于双层路由注意力机制(BiFormer)和Normalized Wasserstein Distance(NWD)损失函数的改进YOLOv7的密集鱼群计数检测方法。在保留细粒度特征的基... 详细信息

【目的】提高在水体浑浊和鱼群高密度聚集等复杂环境中的鱼群检测精度。【方法】提出一种基于双层路由注意力机制(BiFormer)和Normalized Wasserstein Distance(NWD)损失函数的改进YOLOv7的密集鱼群计数检测方法。在保留细粒度特征的基础上,提高模型对多尺度特征的学习能力,同时降低模型对模糊图像中小目标位置偏差的敏感性,加强对浑浊水域中鱼群的识别能力。为评估该模型的有效性,在红鳍东方鲀(Takifugu rubripes)数据集上与其他网络模型进行对比实验。【结果】该方法在红鳍东方鲀数据集上的准确率和召回率分别达到98.05%和97.69%,平均精度达到99.10%,较YOLOv7相比分别提升2.46%、3.73%和2.62%。与目前检测准确率较高的其他水下目标检测模型相比,平均精度平均提高4.25%。【结论】实现真实养殖环境下浑浊水域中鱼群的准确检测,有助于科学指导工业化水产养殖的生产管理,提高养殖效率,减少资源浪费。

关键词：水产养殖鱼类检测深度学习 YOLOv7 BiFormer NWD

UAVAI-YOLO:无人机航拍图像的小目标检测模型

在线全文

学校读者我要写书评

暂无评论

智能科学与技术学报 2024年第2期6卷 262-271页

作者：何植仟曹立杰大连海洋大学信息工程学院辽宁大连116023 辽宁省海洋信息技术重点实验室辽宁大连116023

针对无人机航拍图像目标检测效果差的问题,提出改进的UAVAI-YOLO模型。首先,为使模型获得更加丰富的语义信息,使用改进可变形卷积网络(deformable convolutional networks,DCN)替换原骨干(back‐bone)网络部分通道到像素(channel-to-pix... 详细信息

针对无人机航拍图像目标检测效果差的问题,提出改进的UAVAI-YOLO模型。首先,为使模型获得更加丰富的语义信息,使用改进可变形卷积网络(deformable convolutional networks,DCN)替换原骨干(back‐bone)网络部分通道到像素(channel-to-pixel,C2f)模块原始卷积。其次,为增加P2特征层而不增加模型参数量,提出Conv_C模块将骨干网络输出通道降维,同时避免通道降维导致的语义信息丢失,使用改进ODConv卷积替换颈部(neck)部分C2f模块原始卷积。然后,为充分利用上下文语义信息,引入双向特征金字塔网络(bidirectional feature pyramid network,BIFPN)。最后使用Wise-IoU替换原始损失函数,提高模型目标检测框的准确性。在公开的VisDrone2019数据集和UAVDT数据集的实验结果表明,UAVAI-YOLO模型相比于原YOLOv8n模型mAP@0.5分别提升了4.4%和1.1%。与其他主流目标检测模型相比具有较高的检测性精度。

关键词：无人机航拍图像小目标检测 YOLOv8 可变形卷积网络注意力机制

滨海湿地中多溴联苯醚的污染特征及生态风险评价研究进展

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

水生态学杂志 2024年第2期45卷 159-165页

作者：张卉莲吴桐查家宝黄海鹏杨芯月韩蕊吴英海大连海洋大学海洋与土木工程学院辽宁大连116023 设施渔业教育部重点实验室大连海洋大学辽宁大连116023

系统梳理了多溴联苯醚(PBDEs)在滨海湿地中的种类和浓度、沉积物中的分布特征、与沉积物理化因子的关系、生态风险评价等方面的研究进展,分析了滨海湿地沉积物和生物体内PBDEs的种类和浓度,总结了PBDEs在滨海湿地中的水平分布与垂向分... 详细信息

系统梳理了多溴联苯醚(PBDEs)在滨海湿地中的种类和浓度、沉积物中的分布特征、与沉积物理化因子的关系、生态风险评价等方面的研究进展,分析了滨海湿地沉积物和生物体内PBDEs的种类和浓度,总结了PBDEs在滨海湿地中的水平分布与垂向分布规律,阐述了滨海湿地沉积物理化因子对其分布影响,归纳了滨海湿地中PBDEs的生态风险评价方法。后期研究需进一步厘清滨海湿地沉积物和生物体内的PBDEs同系物及富集浓度等问题,加强滨海城市排污口附近区域的PBDEs归趋研究,解析滨海湿地沉积物理化因子(如铁、硫、氮等元素)与PBDEs的关系,探究PBDEs生态风险阈值与评价方法,为滨海湿地污染控制与评价提供技术支撑。

关键词：多溴联苯醚滨海湿地沉积物污染特征生态风险

同方期刊数据库

基于多视图关注网络的图文多模态情感分析模型

在线全文

学校读者我要写书评

暂无评论

现代电子技术 2024年第12期47卷 157-164页

作者：丛子涵张思佳大连海洋大学信息工程学院辽宁省海洋信息技术重点实验室辽宁大连116023 大连海洋大学设施渔业教育部重点试验室辽宁大连116023 大连市智慧渔业重点实验室辽宁大连116023

针对现有多模态情感分类模型无法全面、准确地捕获复杂的情感信息,以及融合过程中没有充分挖掘两者之间的潜在关联,导致模型结构冗余复杂、计算效率低下的问题,提出一种多视图关注网络(MPF-Net)模型。该模型通过引入多维感知特征捕获机... 详细信息

针对现有多模态情感分类模型无法全面、准确地捕获复杂的情感信息,以及融合过程中没有充分挖掘两者之间的潜在关联,导致模型结构冗余复杂、计算效率低下的问题,提出一种多视图关注网络(MPF-Net)模型。该模型通过引入多维感知特征捕获机制,全面而精确地获取图像和文本中蕴含的情感信息;其次,采用增强的记忆互动学习机制,使模型能够更加有效地提取和融合单模态特征,并在多轮迭代中不断更新和优化这些特征,从而捕捉到更深层次的情感细节;再构建一个高级深度学习框架,该框架采用生成对抗网络(GAN)与池化技术的深度融合单元,以实现复杂数据特征的高效提取与整合;最后,在保留原有特征信息的基础上进行特征整合,同时通过降维技术降低模型的复杂性,提高计算效率。在公开数据集MVSA-Single和MVSA-Multiple以及自建数据集上通过实验验证所提模型的准确性,结果表明,与多个基线模型对比,所提模型的准确率和F1值均有所提高。

关键词：多模态情感分析对抗学习多视图网络生成对抗网络文本特征提取特征融合

维普期刊数据库博看期刊

基于Mel声谱图与改进SEResNet的鱼类行为识别

在线全文

学校读者我要写书评

暂无评论

渔业现代化 2024年第1期51卷 56-63页

作者：杨雨欣于红杨宗轶涂万张鑫林远山大连海洋大学信息工程学院辽宁大连116023 大连市智慧渔业重点实验室辽宁大连116023 设施渔业教育部重点实验室(大连海洋大学) 辽宁大连116023 辽宁省海洋信息技术重点实验室辽宁大连116023

养殖环境中饲料投放、水流变化等刺激源导致鱼类声音分辨难,使行为识别准确率不高,为解决上述问题,提出基于Mel声谱图(Mel spectrogram)与改进SEResNet的鱼类行为识别模型TAP-SEResNet。首先针对鱼类行为声音频率波动大、特征差异小,造... 详细信息

养殖环境中饲料投放、水流变化等刺激源导致鱼类声音分辨难,使行为识别准确率不高,为解决上述问题,提出基于Mel声谱图(Mel spectrogram)与改进SEResNet的鱼类行为识别模型TAP-SEResNet。首先针对鱼类行为声音频率波动大、特征差异小,造成特征提取难的问题,采用高分辨率、特征表示较好的Mel声谱图以捕捉鱼类声音的频谱特征。其次针对鱼类声音特征关键信息易丢失的难题,提出在SEResNet模型中融合时序聚合池化层(Temporal Aggregated Pooling,TAP),提取池化区域的最大值和平均值,保留鱼类行为更多细粒度声音特征,提高识别准确率。为验证所提模型的有效性,分别设计了消融试验和模型性能对比试验,试验结果显示:TAP-SEResNet相比SEResNet在不降低检测速度的条件下准确率提升了3.23%;相比PANNS-CNN14、ECAPA-TDNN及MFCC+ResNet等先进声音识别模型,TAP-SEResNet在准确率上分别提升了5.32%、2.80%和1.64%。所提模型有助于养殖过程中对鱼类行为实现精准监测,对精准养殖具有重要的推动作用。

关键词：鱼类行为识别被动水声信号 Mel声谱图 SEResNet

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

基于改进P-RRT*算法的无人船路径规划

控制工程 2024年

作者：符运来王魏刘妙男常立群吕晶大连海洋大学信息工程学院大连海洋大学设施渔业教育部重点实验室(大连海洋大学)

针对P－RRT*算法在路径规划过程中存在搜索速度慢和初始路径拐点较多等问题，提出一种基于改进P-RRT*的路径规划算法。首先考虑无人船的几何尺寸对障碍物进行包络处理，使其规划的路径更符合无人船的航行要求；其次，在采样过程中融合... 详细信息

针对P－RRT*算法在路径规划过程中存在搜索速度慢和初始路径拐点较多等问题，提出一种基于改进P-RRT*的路径规划算法。首先考虑无人船的几何尺寸对障碍物进行包络处理，使其规划的路径更符合无人船的航行要求；其次，在采样过程中融合目标偏置策略和限制随机树拓展角度，随后优化约束条件，当新节点与目标点中间没有障碍物时直接将两点连接，生成路径；然后在得到初始路径后，利用改进的三角不等式和B样条插值对路径进行剪枝和平滑处理；最后，采用PyCharm软件进行不同环境下的仿真实验，试验结果表明，与P-RRT*算法、A*算法和遗传算法对比，改进P-RRT*算法缩短了路径长度，减少了搜索时间和迭代次数。

关键词：无人船 P-RRT* 目标偏置策略三角不等式

基于深度强化学习的异构智能体编队避障控制方法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

现代电子技术 2024年

作者：虞逸凡岳圣智徐俊宋婧菡林远山大连海洋大学信息工程学院大连海洋大学设施渔业教育部重点实验室

针对在编队避障控制中智能体个体的异构性和多任务的复杂性问题，提出一种基于深度强化学习的异构智能体编队避障控制方法。首先，为了克服智能体个体的异构性，详细描述了领航者和跟随者智能体各自采用的局部观测表示；其次，根据智能... 详细信息

针对在编队避障控制中智能体个体的异构性和多任务的复杂性问题，提出一种基于深度强化学习的异构智能体编队避障控制方法。首先，为了克服智能体个体的异构性，详细描述了领航者和跟随者智能体各自采用的局部观测表示；其次，根据智能体的相应任务，设计了编队、避障和导航三种复合的综合奖励函数，以实现更加灵活和高效的编队避障控制；最后，设计了融合注意力机制的行动者-评论家网络，用于联合训练领航者和跟随者的运动策略，从而使智能体能够逐步优化综合策略，以应对复杂的交互信息。数值仿真实验结果显示，文中提出的方法使得智能体有效完成各自的任务，与其他强化学习算法相比，能够更迅速、更精确地使智能体学习到最优的运动策略，并在未来应用于复杂环境中，具有潜在的前景和价值。

关键词：编队避障控制异构性多任务领航者跟随者深度强化学习综合奖励函数注意力机制运动策略