基于视频计算的石鲷鱼类饥饿行为研究

发布时间：2021-10-21 20:13

　　石鲷鱼类肉质鲜美、蛋白质丰富,具有很高的养殖价值。传统的水产养殖通常采用定时定量的投喂方式,不能根据石鲷鱼类的饥饿状态及时投喂饵料,容易出现投喂不及时或者投饵量过少等问题,使石鲷鱼类经常面临饥饿胁迫,这严重影响了石鲷鱼类的福利性增长。使用视频计算的方式对石鲷鱼类的饥饿行为进行研究,可以识别石鲷鱼类的饥饿状态,准确计算出投喂时间与投喂量,对石鲷鱼类的养殖具有重要的意义。本文使用深度学习技术实现了石鲷鱼类的目标检测和速度计算,最后使用长短期记忆网络（LSTM）对石鲷鱼类进行饥饿行为分类,主要工作如下:（1）提出了一种基于多尺度特征的石鲷鱼类检测算法SEMobileNet-SSD。在实验条件下,从水上和水下两个角度,构造了石鲷鱼类水面图像数据集AWOP和水下图像数据集UWOP。并针对图像中出现的遮挡和模糊问题,改进了轻量级神经网络MobileNet-SSD,向MobileNet网络中加入带洞卷积和挤压激励模块（SE block）;针对水面视频和水下视频中石鲷鱼类容易互相遮挡的问题,向不同尺度的特征图上加入SE block,以检测相互遮挡的目标;使用Focal Loss函数计算分类损失,平衡了... 

【文章来源】：鲁东大学山东省

【文章页数】：69 页

【学位级别】：硕士

【文章目录】：
致谢
摘要
Abstract
第1章 绪论
    1.1 研究背景
    1.2 国内外研究现状
    1.3 研究内容和技术路线
        1.3.1 研究内容
        1.3.2 技术路线
    1.4 论文组织结构
第2章 相关理论和技术基础
    2.1 人工神经网络
    2.2 卷积神经网络
        2.2.1 卷积层
        2.2.2 池化层
        2.2.3 卷积神经网络
    2.3 序列模型
    2.4 目标检测技术
    2.5 多目标跟踪技术
第3章 基于多尺度特征的石鲷鱼类检测算法
    3.1 石鲷鱼类检测算法
        3.1.1 SSD算法
        3.1.2 SEMobile Net-SSD网络
        3.1.3 改进的损失函数
    3.2 实验结果及分析
        3.2.1 实验数据集
        3.2.2 性能指标
        3.2.3 实验结果及分析
    3.3 本章小结
第4章 石鲷鱼类速度特征计算
    4.1 石鲷鱼类的速度计算方法
        4.1.1 石鲷鱼类检测
        4.1.2 石鲷鱼类外观特征提取网络
        4.1.3 多石鲷鱼类跟踪
        4.1.4 相机标定
        4.1.5 多石鲷鱼类速度计算
    4.2 实验结果及分析
        4.2.1 外观特征训练
        4.2.2 评估指标
        4.2.3 实验结果及分析
    4.3 本章小结
第5章 基于多特征的石鲷鱼类饥饿行为分类
    5.1 石鲷鱼类饥饿行为数据采集
    5.2 石鲷鱼类饥饿特征提取
        5.2.1 石鲷鱼类轨迹提取
        5.2.2 石鲷鱼类轨迹合并
        5.2.3 石鲷鱼类饥饿特征提取
    5.3 基于LSTM的石鲷鱼类饥饿行为分类
    5.4 实验结果及分析
    5.5 本章小结
第6章 总结与展望
    6.1 总结
    6.2 展望
参考文献
作者简历


【参考文献】：
期刊论文
[1]饥饿对鲫幼鱼静止代谢及个性行为的影响[J]. 凌鸿,曾令清.  重庆师范大学学报(自然科学版). 2019(05)
[2]饥饿再投喂对黑鱾幼鱼消化酶活性与血液生理生化指标的影响[J]. 张怡波,吕慧明,袁子,徐善良,王丹丽.  宁波大学学报(理工版). 2019(05)
[3]基于计算机视觉技术的水产养殖中鱼类行为识别与量化研究进展[J]. 何佳,黄志涛,宋协法,彭磊.  渔业现代化. 2019(03)
[4]面向嵌入式设备的深度学习物体检测优化算法[J]. 戴雷燕,冯杰,董慧,杨小利.  计算机系统应用. 2019(04)
[5]联合国新报告显示,非洲饥饿人口持续上升[J].   世界农业. 2019(03)
[6]深度学习算法中卷积神经网络的概念综述[J]. 李策,陈海霞,汉语,左胜甲,赵立刚.  电子测试. 2018(23)
[7]卷积神经网络研究综述[J]. 张亚倩.  信息通信. 2018(11)
[8]全球鱼类产量到2030年将增长近两成[J].   世界农业. 2018(09)
[9]水产生态养殖与新养殖模式发展战略研究[J]. 李明,于莉.  农村经济与科技. 2018(16)
[10]基于深度卷积神经网络的非法摊位检测[J]. 宋乐陶,刘正熙,熊运余.  现代计算机(专业版). 2018(24)

博士论文
[1]基于稀疏表示的图像超分辨率与目标跟踪方法研究[D]. 刘海仓.湖南大学 2015
[2]海水养殖业发展规模经济及规模效率研究[D]. 王大海.中国海洋大学 2014
[3]基于非经典感受野的图像表征计算模型及应用研究[D]. 郎波.复旦大学 2013
[4]海洋渔业资源管理中ITQ制度交易成本研究[D]. 杨正勇.复旦大学 2005

硕士论文
[1]基于深度学习的目标检测技术研究[D]. 黄泽桑.北京邮电大学 2019
[2]交通场景下的骑车人检测方法研究[D]. 汤文君.山东大学 2019
[3]基于深度学习的CT图像肾脏分割研究[D]. 李国清.东南大学 2018
[4]基于深度学习的带钢表面缺陷检测[D]. 王立中.西安工程大学 2018
[5]基于高分辨率SAR图像的建筑区域检测[D]. 高丁力.中国科学技术大学 2018
[6]基于卷积神经网络的蔬菜识别及应用研究[D]. 韩朋朋.安徽大学 2018
[7]基于卷积神经网络的人群密度分析[D]. 魏梦.中国科学技术大学 2018
[8]基于卷积神经网络的体数据可视化研究[D]. 周正磊.浙江大学 2018
[9]基于深度学习的摄像机网络行人识别系统研究与实现[D]. 刘浏.浙江工商大学 2018
[10]基于卷积神经网络图像分类优化算法的研究与验证[D]. 石琪.北京交通大学 2017



本文编号：3449651