為解決全自動(dòng)均勻投餌作業(yè)船在河蟹養(yǎng)殖過(guò)程中投餌不精準(zhǔn)問(wèn)題,引入水下攝像設(shè)備采集圖像,但采集的圖像存在對(duì)比度低、模糊和圖像退化等問(wèn)題。為此,采用暗通道先驗(yàn)提高圖像對(duì)比度。利用YOLO卷積神經(jīng)網(wǎng)絡(luò)技術(shù)快速準(zhǔn)確地識(shí)別出低照度環(huán)境下的河蟹,識(shí)別準(zhǔn)確率達(dá)到98%,平均耗時(shí)50ms。獲得河蟹生長(zhǎng)、分布信息后測(cè)算出河蟹養(yǎng)殖密度,為全自動(dòng)均勻投餌作業(yè)船精準(zhǔn)投飼提供數(shù)據(jù)支持。 

【文章來(lái)源】：軟件導(dǎo)刊. 2020,19(05)

【文章頁(yè)數(shù)】：4 頁(yè)

【部分圖文】：

召回率和F1變化曲線圖4中，閾值參數(shù)在0.3時(shí)，網(wǎng)絡(luò)模型保持較高的精確

圖213層卷積網(wǎng)絡(luò)經(jīng)過(guò)訓(xùn)練的網(wǎng)絡(luò)模型在河蟹檢測(cè)過(guò)程中會(huì)選取合適

河蟹識(shí)別結(jié)果4.2與傳統(tǒng)方法對(duì)比

【參考文獻(xiàn)】：
期刊論文
[1]基于YOLO v2的無(wú)人機(jī)航拍圖像定位研究[J]. 魏湧明,全吉成,侯宇青陽(yáng).  激光與光電子學(xué)進(jìn)展. 2017(11)
[2]基于YOLO算法的車輛實(shí)時(shí)檢測(cè)[J]. 王宇寧,龐智恒,袁德明.  武漢理工大學(xué)學(xué)報(bào). 2016(10)
[3]基于顏色失真去除與暗通道先驗(yàn)的水下圖像復(fù)原[J]. 楊愛(ài)萍,鄭佳,王建,何宇清.  電子與信息學(xué)報(bào). 2015(11)
[4]基于暗通道先驗(yàn)和Retinex理論的快速單幅圖像去霧方法[J]. 劉海波,楊杰,吳正平,張慶年,鄧勇.  自動(dòng)化學(xué)報(bào). 2015(07)



本文編號(hào)：3082013