基于YOLOv8模型的凡纳滨对虾(Litopenaeus vannamei)摄食强度量化及分类方法研究

文献类型： 中文期刊

第一作者： 王磊

作者： 王磊;赵海翔;崔鸿武;黄桢铭;高阳;李皓;崔正国;曲克明;朱建新

作者机构：

关键词： 凡纳滨对虾;摄食强度量化;计算机视觉;YOLOv8

期刊名称： 海洋与湖沼

ISSN： 0029-814X

年卷期： 2024 年 55 卷 005 期

页码： 1282-1293

收录情况： 北大核心 ; CSCD

摘要： 为实现凡纳滨对虾(Litopenaeus vannamei)摄食强度量化及分类，克服投喂主观性，优化饲料利用率。实验采用YOLOv8模型对凡纳滨对虾进行识别和检测以及YOLOv8-segment模型对凡纳滨对虾的虾头进行分割，根据饲料区域内对虾的数量和虾头的像素面积，实现对虾摄食强度的量化，并利用Convnext模型将图像中对虾的摄食强度划分为强摄食、中摄食和低摄食3个级别。实验结果显示，迭代200次后，YOLOv8模型对饲料区域内对虾目标检测的mAP50达到了99.5%,YOLOv8-segment模型对虾头分割的mAP50达到了92.1%，展现了YOLOv8模型的强大性能。经实验验证发现，在不同摄食强度下饲料区域内对虾的数量和虾头的像素面积存在明显差异。Convnext模型对凡纳滨对虾3种摄食强度的图像分类准确率为98.8%。该方法可以客观有效地将对虾摄食强度进行量化，并将对虾的摄食强度进行分类，为实现对虾的精准投喂提供了理论基础和技术支撑。

分类号： S968.22

  • 相关文献

[1]基于深度学习算法的凡纳滨对虾生长表型测定系统研发及应用. 张士薇,代平,高广春,孟宪红,罗坤,隋娟,谭建,傅强,曹家旺,陈宝龙,李旭鹏,强光峰,邢群,戚云辉,孔杰,栾生. 2025

[2]基于改进实例分割算法的区域养殖生猪计数系统. 张岩琪,周硕,张凝,柴秀娟,孙坦. 2024

[3]基于改进YOLOv8的自然环境下柑橘果实识别. 余圣新,韦莹莹,方辉,李敏,柴秀娟,曾志康,覃泽林. 2024

[4]基于改进YOLOv8卷积神经网络的稻田苗期杂草检测方法. 林宗缪,马超,胡冬. 2024

[5]基于改进YOLOv8卷积神经网络的蟹味菇检测方法. 林宗缪,马超,胡冬. 2024

[6]复杂场景下害虫目标检测算法:YOLOv8-Extend. 张荣华,白雪,樊江川. 2024

[7]基于YOLOv8的甘蔗茎节高效检测方法. 郑镇辉,张淡然,黄伟华,韦丽娇,郭昌进,陈思睿,吴海韵. 2024

[8]基于YOLOv8-FECA的密集场景下小麦赤霉病孢子目标检测. 张东彦,高玥,程涛,胡根生,杨雪,乔红波,郭伟,谷春艳. 2024

[9]基于改进YOLOv8n损失函数的克氏原螯虾体特征识别算法. 耿春新,王爱民,阎天宇,郁傲男,张昊轩,张武肖,阳程,刘兴国,朱浩,顾夕章,李进峰,邵鹏. 2024

[10]基于YOLOv8的竹笋分割方法研究. 郑镇辉,张淡然,王槊,韦丽娇,吴海韵,肖景丰. 2025

[11]计算机视觉技术在植物根系形态研究中的应用. 杨国梁,张光年,葛庆平,郭新宇. 2006

[12]基于主成分分析及LVQ神经网络的番茄种子品种识别. 赵学观,王秀,李翠玲,高原源,王松林,冯青春. 2017

[13]基于图像纹理特征的养殖鱼群摄食活动强度评估. 陈彩文,杜永贵,周超,孙传恒. 2017

[14]基于计算机视觉的玉米籽粒形态测量. 王传宇,郭新宇,温维亮,苗腾. 2011

[15]基于支持向量机的鱼群摄食行为识别技术. 陈彩文,杜永贵,周超,孙传恒. 2018

[16]基于计算机视觉的植物行为感知研究综述. 祁卫宇,王传宇,郭新宇. 2017

[17]计算机视觉技术在作物形态测量中的应用. 徐歆恺,郭楠,葛庆平,郭新宇. 2006

[18]计算机视觉技术在植物根系形态研究中的应用. 杨国梁,郭新宇,张光年,葛庆平. 2005

[19]人工视觉网络在小麦籽粒分类中的应用. 左卫刚,高洋. 2020

[20]养殖鱼类摄食行为的特征提取研究与应用进展. 曹晓慧,刘晃. 2021

作者其他论文 更多>>

微信小程序