CNN-LSTM在日本鲭捕捞渔船行为提取中的应用

文献类型： 中文期刊

第一作者： 王书献

作者： 王书献;张胜茂;唐峰华;石永闯;范秀梅;樊伟;孙宇

作者机构：

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

期刊名称： 农业工程学报

ISSN： 1002-6819

年卷期： 2022 年 007 期

页码： 200-209

收录情况： EI ; 北大核心 ; CSCD

摘要： 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。

分类号： S972.7

  • 相关文献

[1]基于鱼卵仔鱼数据的东海中南部日本鲭产卵场分析. 李建生,严利平,胡芬. 2020

[2]不同时空尺度下近海日本鲭栖息地模型比较. 李英雪,陈新军,郭爱,周为峰. 2019

[3]基于栖息地指数的西北太平洋日本鲭渔情预报模型构建. 范秀梅,唐峰华,崔雪森,杨胜龙,朱文斌,黄良敏. 2020

[4]东海日本鲭年龄与卵径和繁殖力的关系. 周翰林,严利平,张辉,李建生. 2022

[5]西北太平洋公海2种灯光渔业渔获物组成的比较. 董秀强,李灵智,黄洪亮,唐峰华. 2018

[6]日本鲭种群生态学及繁殖生物学研究进展. 周翰林,李建生,严利平. 2021

[7]ENSO事件下西北太平洋远东拟沙丁鱼和日本鲭栖息地协同变化特征. 刘思源,张衡,杨超,方舟. 2024

[8]东黄海日本鲭资源和群体结构的年代际变化研究. 李建生,严利平,张辉. 2023

[9]西北太平洋公海日本鲭(Scomber japonicus)胃含物及其摄食等级研究. 唐峰华,戴澍蔚,樊伟,崔雪森,张衡. 2020

[10]黄海北部日本鲭繁殖生物学特征的年代际变化. 李建生,严利平,胡芬. 2014

[11]基于框架法的东黄海日本鲭产卵群体形态差异分析. 刘楚珠,严利平,李建生,吕振波,张壮丽,张辉,李圣法. 2011

[12]东海中部日本鲭繁殖群体年龄与生长特征. 周翰林,严利平,张辉,李建生. 2022

[13]西北太平洋公海日本鲭生物学特征研究. 赵国庆,陈俊霖,张衡,唐峰华,陈云云,贺建文. 2023

[14]东海中部日本鲭(Scomber japonicus)产卵群体繁殖力特征. 李建生,胡芬,严利平,张辉. 2014

[15]东、黄海日本鲭种群鉴定和划分的研究进展. 严利平,张辉,李圣法,李建生. 2012

[16]东海日本鲭繁殖群体生物学特征的年代际变化. 李建生,严利平,胡芬. 2015

[17]基于Catch-MSY模型的西北太平洋日本鲭资源评估及敏感性分析. 石永闯,陈云云,樊伟,伍玉梅,赵国庆,杨超. 2023

[18]温台渔场日本鲭的繁殖生物学特征. 李建生,严利平,胡芬,张辉. 2015

[19]东海中南部日本鲭种群分析. 刘尊雷,马春艳,严利平,刘勇,李圣法,李建生,张辉. 2018

[20]台湾海峡中部日本鲭产卵群体生物学特征的初步研究. 李建生,胡芬,严利平. 2014

作者其他论文 更多>>

微信小程序