文献类型： 中文期刊

作者： 要紫丹 ¹ ; 黄小华 ² ; 李根 ² ; 胡昱 ² ; 庞国良 ² ; 袁太平 ² ;

作者机构： 1.浙江海洋大学

2.中国水产科学研究院南海水产研究所/农业农村部外海渔业可持续利用重点实验室/广东省网箱工程技术研究中心

关键词： 深海网箱;鱼群监测;红外图像;目标检测;实例分割

期刊名称： 南方水产科学

ISSN：

年卷期： 2024 年 001 期

页码： 81-88

收录情况： 北大核心 ; CSCD

摘要： 获取深海网箱养殖过程鱼群活动数据，开展鱼群监测是提升深海养殖效率、降低养殖成本的有效手段。基于水面红外相机，利用深度学习前沿技术，提出了一种鱼群智能监测方法。该方法涉及鱼群识别及计数、鱼体分割和鱼体游向判断3个功能模块。首先，通过红外相机采集鱼类的图像信息，并进行标注以构建数据集，然后采用改进的Faster RCNN模型，以Mobilenetv2+FPN网络作为特征提取器，实现鱼类的准确识别，并输出包围框表征鱼类个体位置。其次，从框图内选择亮度前20%的像素点作为分割提示点，利用Segment Anything Model对图像进行分割，生成鱼体分割图。最后，通过对鱼体分割图进行椭圆拟合处理，可以判定鱼类的游向信息。改进的Faster RCNN模型在进行100次迭代训练后，平均精确率达到84.5%，每张图片的检测时间为0.042 s。结果表明，在水面红外图像的鱼类数据集上，所提出的改进Faster RCNN模型和椭圆拟合等关键技术能够实现对鱼群的自动监测。