摘要
海参的蛋白质含量较高，具有补益养生的功效。随着中国经济发展和生活水平提高，人们对海参的需求量逐年增加，海参养殖业迅速发展。目前，海参的养殖和捕捞主要依靠人工，需要有经验的海参捕捞员潜入水底捕捞海参，这种捕捞方式安全系数低，且需要比较高的捕捞成本，严重阻碍了海参养殖业的发展。因此使用水下捕捞装置实现自动化捕捞是未来智慧水产养殖业的主要发展趋势，其中关键问题是如何在复杂的水下环境中准确识别海参;其次，为了使海参养殖户动态地了解海参的产值、掌握海参的养殖信息，对海参个数进行准确计数的能力也是衡量自动捕捞装置的重要因素。 基于上述问题，本文以真实水下环境中的海参为研究对象，构建了水下海参数据集，通过对目标检测领域主流算法效果对比，构建了基于YOLOv4网络的水下海参检测模型，进行了水下海参目标检测计数方法的研究。完成的工作主要如下: (1)水下海参数据集的构建与预处理。首先在海参养殖场采集海参视频数据，并从视频中截取图片数据集，并对数据集进行扩充和标注。针对水下图像对比度低、含有噪声等问题，使用暗通道先验算法对数据集进行预处理。 (2)水下海参检测与计数方法的提出。针对自建水下海参数据集的特点，在原始YOLOv4的基础上，采用基于参数的迁移学习方法对YOLOv4网络进行训练;并将YOLOv4骨干网络中的Mish激活函数替换为Swish激活函数，后者在中小数据集上性能表现更好;针对视频目标计数出现重复的问题，提出基于相近帧目标质心定位偏移的降重计数法优化目标计数。 (3)海参目标检测与计数系统的开发。该系统包含图像检测计数和视频检测计数两种工作模式，每种工作模式都可以检测、计数图像或者视频中的海参目标信息，方便用户快速了解海参养殖信息。 基于YOLOv4的水下海参识别模型识别水下海参的mAP为91.0％,分别比原始YOLOv4、YOLOv3、Faster R-CNN和SDD高4.5％、6.9％、5.0％、29.9％;基于相近帧目标质心定位偏移的降重计数方法获得的海参数量与人工计数结果间的RMSE为29.8、计数准确率为95.8％、决定系数的R2值为0.998。实验结果表明:本文方法能够很好地满足水下海参图像目标识别计数的任务需求。
NETL