文献类型： 中文期刊

作者： 钱程 ¹ ; 张佳鹏 ¹ ; 涂雪滢 ¹ ; 刘晃 ¹ ; 乔淦 ² ; 刘世晶 ¹ ;

作者机构： 1.中国水产科学研究院渔业机械仪器研究所

2.北京首信科技股份有限公司

关键词： 大菱鲆;鱼卵计数;语义分割;U-Net;CBAM;线性回归分析

期刊名称： 南方水产科学

ISSN： 2095-0780

年卷期： 2024 年 20 卷 006 期

页码： 132-144

收录情况： 北大核心 ; CSCD

摘要： 大菱鲆(Scophthalmus maximus)鱼卵数量的精准统计是影响其苗种优选过程的重要因素。由于大菱鲆鱼卵体积微小、透明度高且容易粘连，目前人工操作效率低下且误差较大。为了实现鱼卵的自动、快速、准确计数，根据大菱鲆鱼卵的成像特点，提出了一种基于卷积块注意力机制和U形卷积神经网络(CBAM-UNet)的大菱鲆鱼卵计数方法。首先，设计了一套由工业相机、漫反射光源和图像采集箱构成的标准化鱼卵采样结构，获取无影的高清鱼卵图像，构建鱼卵图像样本集；随后，以UNet网络作为基础语义分割模型，针对鱼卵图像中无法有效分割鱼卵与背景边界及细节等问题，进一步引入了双重注意力机制，以增强模型对鱼卵特征的表达能力，提高分割精度；最后，根据分割后鱼卵面积、拍摄高度及鱼卵数量等构建多元线性回归模型，实现鱼卵的精准计数。结果表明，所提出的基于CBAM-UNet的鱼卵识别计数方法能有效提高大菱鲆鱼卵的计数精确度，平均计数误差为6.32%，低于基于其他模型和人工统计方法(质量比对法)的平均计数误差。