基于暗通道先验与YOLO的水下河蟹识别研究

发布时间：2021-03-14 10:38

　　为解决全自动均匀投饵作业船在河蟹养殖过程中投饵不精准问题,引入水下摄像设备采集图像,但采集的图像存在对比度低、模糊和图像退化等问题。为此,采用暗通道先验提高图像对比度。利用YOLO卷积神经网络技术快速准确地识别出低照度环境下的河蟹,识别准确率达到98%,平均耗时50ms。获得河蟹生长、分布信息后测算出河蟹养殖密度,为全自动均匀投饵作业船精准投饲提供数据支持。 

【文章来源】：软件导刊. 2020,19(05)

【文章页数】：4 页

【部分图文】：

召回率和F1变化曲线图4中，阈值参数在0.3时，网络模型保持较高的精确

图213层卷积网络经过训练的网络模型在河蟹检测过程中会选取合适

河蟹识别结果4.2与传统方法对比

【参考文献】：
期刊论文
[1]基于YOLO v2的无人机航拍图像定位研究[J]. 魏湧明,全吉成,侯宇青阳.  激光与光电子学进展. 2017(11)
[2]基于YOLO算法的车辆实时检测[J]. 王宇宁,庞智恒,袁德明.  武汉理工大学学报. 2016(10)
[3]基于颜色失真去除与暗通道先验的水下图像复原[J]. 杨爱萍,郑佳,王建,何宇清.  电子与信息学报. 2015(11)
[4]基于暗通道先验和Retinex理论的快速单幅图像去雾方法[J]. 刘海波,杨杰,吴正平,张庆年,邓勇.  自动化学报. 2015(07)



本文编号：3082013