基于卷积神经网络的鱼类侧线鳞识别方法研究

发布时间：2022-12-21 23:31

　　鱼类侧线鳞作为鱼体身上重要的感觉器官,也是最重要的表型属性之一,其数目一直是渔业研究者对鱼进行分门别类的重要依据。长期以来,侧线鳞计数的工作主要依靠研究者手工完成,自动化程度较低,容易出错,这极大地阻碍了渔业养殖和研究的发展与进步。机器视觉技术作为一种客观、无损的检测方式,其在获取鱼类的表型属性方面有着传统的手工获取方法所无可比拟的优势。目前,基于机器视觉的淡水鱼表型获取的研究主要集中于尺寸、颜色、形状等属性上,而关于侧线鳞检测的研究却罕见报道。究其原因,主要是因为侧线鳞与非侧线鳞在鱼类体表上的颜色、纹理、结构等差异较小,很难通过传统的机器视觉方法对其加以区分。针对此问题,本文提出了 一种基于卷积神经网络的侧线鳞识别方法,以期为后续的侧线鳞精确计数的研究提供参考依据。本文从采样方法、网络结构和采样策略等方面展开研究与讨论,主要研究内容如下:1)使用改进的LetNet-5模型构建侧线鳞识别的卷积神经网络结构。根据侧线鱗在鱼体表面的分布特点,提出了三种不同的采样尺寸方法。此外,设计了基于手工特征提取方式的侧线鳞识别实验,对比发现,在相同的样本集下,卷积神经网络在侧线鳞识别任务中具有明显优势... 

【文章页数】：81 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 绪论
    1.1 研究背景及意义
    1.2 鱼类表型特征国内外研究现状
        1.2.1 识别分类
        1.2.2 疾病诊断
    1.3 存在问题
    1.4 主要研究内容和组织结构
        1.4.1 主要研究内容
        1.4.2 本文组织结构
    1.5 本章小结
第二章 人工神经网络与卷积神经网络
    2.1 人工神经网络
        2.1.1 基本神经元
        2.1.2 感知机模型
        2.1.4 反向传播算法
    2.2 卷积神经网络
        2.2.1 稀疏连接和权值共享
        2.2.2 卷积神经网络拓扑结构
    2.3 公开数据集及其模型介绍
    2.4 本章小结
第三章 基于卷积神经网络和手工特征提取的侧线鳞识别
    3.1 前言
    3.2 侧线鳞图像样本采集
        3.2.1 图像采集
        3.2.2 样本采集
    3.3 基于卷积神经网络的侧线鳞识别
        3.3.1 侧线鳞识别网络结构
        3.3.2 不同样本集下实验及其结果分析
    3.4 基于手工特征提取的侧线鳞识别
        3.4.1 图像灰度化预处理
        3.4.2 图像特征提取
        3.4.3 实验及其结果分析
    3.5 本章小结
第四章 小样本下的侧线鳞识别处理策略研究
    4.1 前言
    4.2 网络结构调整
        4.2.1 Batch Size调整及其实验结果分析
        4.2.2 Kernel Size调整及其实验结果分析
        4.2.3 实验小节
    4.3 样本扩充
        4.3.1 基于加噪和几何变换的虚拟样本扩充
        4.3.2 基于主动学习采样策略的样本扩充
        4.3.3 实验小结
    4.4 侧线拟合
        4.4.1 SVR回归算法
        4.4.2 侧线拟合实验
    4.5 本章小结
第五章 总结与展望
    5.1 总结
    5.2 展望
参考文献
攻读硕士学位期间科研成果
致谢



本文编号：3722984