摘要：李少波, 杨玲, 于辉辉, 陈英义. 水下鱼类品种识别模型与实时识别系统[J]. 智慧农业(中英文), 2022, 4(1): 130-139.
引用格式：
李少波, 杨玲, 于辉辉, 陈英义. 水下鱼类品种识别模型与实时识别系统[J]. 智慧农业(中英文), 2022, 4(1): 130-139.
LI Shaobo, YANG Ling, YU Huihui, CHEN Yingyi. Underwater Fish Species Identification Model and Real-Time Identification System[J]. Smart Agriculture, 2022, 4(1): 130-139.
水下鱼类品种识别模型与实时识别系统
李少波1，2，3，杨玲1，2，3，于辉辉4，陈英义1，2，3*
（1. 中国农业大学信息与电气工程学院，北京100083；2. 中国农业大学国家数字渔业创新中心，北京100083；3. 北京市农业物联网工程技术研究中心，北京100083；4. 北京林业大学信息学院，北京100083）
摘要：快速准确的鱼类识别系统需要良好的识别模型和部署系统作为支撑。近年来，卷积神经网络在图像识别领域取得了巨大成功，不同的卷积网络模型都有不同的优点和缺点，面对众多可供选择的模型结构，如何选择和评价卷积神经网络模型成为了必须考虑的问题。此外，在模型应用方面，移动终端直接部署深度学习模型需要对模型进行裁剪、压缩处理，影响精度的同时还会导致安装包体积增大，不利于模型升级维护。针对上述问题，本研究根据水下鱼类实时识别任务特点，选取了AlexNet、GoogLeNet、ResNet和DenseNet预训练模型进行对比试验研究，通过在Ground-Truth鱼类公开数据集基础上对图像进行随机翻转、旋转、颜色抖动来增强数据，使用Label smoothing作为损失函数缓解模型过拟合问题，通过研究Ranger优化器和Cosine学习率衰减策略进一步提高模型训练效果。统计各个识别模型在训练集和验证集上的精确度和召回率，最后综合精确度和召回率量化模型识别效果。试验结果表明，基于DenseNet训练的鱼类识别模型综合评分最高，在验证集的精确度和召回率分别达到了99.21%和96.77%，整体F1值达到了0.9742，模型理论识别精度达到预期。基于Python开发并部署了一套远程水下鱼类实时识别系统，将模型部署到远程服务器，移动终端通过网络请求进行鱼类识别模型调用，验证集图像实际测试表明，在网络良好条件下，移动终端可以在1 s内准确识别并显示鱼类信息。
关键词：鱼类识别模型；卷积神经网络；模型评价；安卓；Ground-Truth；实时识别系统
鱼类识别系统APP实现
文章图片
图1 鱼类识别系统架构示意图
Fig. 1 Architecture of fish identification system
图2 Ground-Truth数据集的图像及样本量
Fig. 2 The images and quantity of Ground-Truth dataset
图3 卷积和最大池化
Fig.3 Convolution and max pooling
图4 二分类混淆矩阵
Fig. 4 Confusion matrix of binary classification
图5 鱼类识别系统服务器项目结构
Fig. 5 Server project structure of the fish identification system
图6 鱼类识别系统初始化识别模型
Fig. 6 Initialize the identification model of the fish identification system
图7 鱼类识别系统服务器环境配置图
Fig. 7 Server environment configuration diagram of the fish identification system
图8 鱼类识别系统安卓端APP项目结构
Fig. 8 Android APP project structure of the fish recognition system
图9 安卓版鱼类在线识别移动APP界面
Fig.9 Mobile APP interfaces of fish identification
图10 鱼类识别系统测试示意图
Fig.10 Schematic diagram of the fish identification system test
转载请联系编辑部授权
通信作者简介
陈英义 教授
陈英义，男，中国农业大学信息与电气工程学院教授，博导兼硕导，主要从事计算机科学技术与智能农业的交叉应用研究，在农业物联网、数字农业模型领域开展长期研究工作，特别是在人工智能算法在水产养殖水体环境因素变化预测模型、鱼类个体和行为识别等领域开展了大量前沿探索工作。担任北京市岗位体系科学家、中国农业工程学会理事，中国仿真学会青年工作者委员会委员（第三届），国际联合国际信息处理联合会农业先进信息处理专委会委员，中国人工智能学会高级会员。承担/参与863计划、国家重点重点研发计划等项目80余项，发表论文50余篇（其中SCI 40多篇），专利18项，荣获国家科技进步二等奖1项。
本期支持单位
京蓝云智物联网技术有限公司
浙江臻善科技股份有限公司
潍柴雷沃重工股份有限公司
小
店
欢迎光临选购
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。
科研团队介绍及招聘信息、学术会议及相关活动的宣传推广
来源：智慧农业资讯