文献类型： 中文期刊

作者： 李鹏程 ¹ ; 荣义峰 ¹ ; 杜浩 ¹ ; 王普渊 ² ; 刘文成 ² ; 刁亚芹 ³ ;

作者机构： 1.中国水产科学研究院长江水产研究所

2.上海海洋大学海洋科学学院

3.湖北理工学院电气与电子信息工程学院

关键词： 青海湖裸鲤;深度学习;UNet;NestedUNet;产卵场;

期刊名称： 中国水产科学

ISSN： 1005-8737

年卷期： 2022 年 003 期

页码： 398-407

收录情况： 北大核心 ; CSCD

摘要： 鱼类产卵场会随着外部环境条件的改变而发生变化,因此,快速、有效地定位鱼类产卵场对于开展水生生物资源调查、珍稀水生动物保护等工作具有重要的意义。本研究基于无人机航拍影像和青海湖裸鲤（Gymnocypris przewalskii）产卵场实地调查结果,构建了深度学习模型,以分析将深度学习模型应用于青海湖裸鲤产卵场识别中的可行性。模型训练交并比精度和像素精度分别为0.870和0.996,验证交并比精度和像素精度分别为0.648和0.985,虽然精度低于一般的遥感影像或图像分割精度,但从测试的结果来看,深度学习模型可以识别到约79%的产卵场,但尚不能精确地分割出产卵场,可以作为一种辅助手段,应用到青海湖裸鲤产卵场的识别中。