期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到617篇文章
< 1 2 … 31 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于双目相机和深度学习的鱼类摄食强度分析方法 被引量：1
1
作者 俞国燕 钱利文 +1 位作者 刘皞春 何子健 《农业机械学报》 北大核心 2025年第3期403-413,424,共12页
为精确判别深海网箱养殖中鱼类摄食强度,实现精量投喂,以金鲳鱼进食时造成的水花为研究对象,利用双目相机拍摄到的深度图像进行非侵入性的摄食强度分析,提出一种基于双目相机和深度学习的水花面积语义分割和计算方法。首先,为了使模型... 为精确判别深海网箱养殖中鱼类摄食强度,实现精量投喂,以金鲳鱼进食时造成的水花为研究对象,利用双目相机拍摄到的深度图像进行非侵入性的摄食强度分析,提出一种基于双目相机和深度学习的水花面积语义分割和计算方法。首先,为了使模型能够在低成本的边缘设备上部署,通过StarNet和BiFPN以及自主设计的SCD-Head共享卷积检测头对YOLO v8n-seg进行改进,提出轻量化的YOLO v8n-SBS模型。在精度提升3.2个百分点的同时,参数量与浮点运算量分别减少71%和36%。其次,为降低设备成本,采用双目相机,基于深度信息利用线性回归提出水花面积计算模型DI。最终,两个模型结合为YOLO v8n-SBS-DI,该模型能够对水花进行分割并计算面积,以便通过水花面积变化趋势评估摄食强度。海上试验计算结果显示,水花面积R^(2)为0.914,RMSE为0.973 m^(2),MAE为0.870 m^(2)。试验结果表明,该模型具有较强鲁棒性,满足复杂环境下水花面积计算需求,可为判别鱼类摄食强度提供技术支持。 展开更多
关键词 深海网箱养殖 鱼类摄食 YOLO v8n-seg 轻量化 双目相机 语义分割
在线阅读 下载PDF
基于音视频信息融合与Self-Attention-DSC-CNN6网络的鲈鱼摄食强度分类方法 被引量：1
2
作者 李道亮 李万超 杜壮壮 《农业机械学报》 北大核心 2025年第1期16-24,共9页
摄食强度识别分类是实现水产养殖精准投喂的重要环节。现有的投喂方式存在过度依赖人工经验判断、投喂量不精确、饲料浪费严重等问题。基于多模态融合的鱼类摄食程度分类能够综合不同类型的数据(如:视频、声音和水质参数),为鱼群的投喂... 摄食强度识别分类是实现水产养殖精准投喂的重要环节。现有的投喂方式存在过度依赖人工经验判断、投喂量不精确、饲料浪费严重等问题。基于多模态融合的鱼类摄食程度分类能够综合不同类型的数据(如:视频、声音和水质参数),为鱼群的投喂提供更加全面精准的决策依据。因此,提出了一种融合视频和音频数据的多模态融合框架,旨在提升鲈鱼摄食强度分类性能。将预处理后的Mel频谱图(Mel Spectrogram)和视频帧图像分别输入到Self-Attention-DSC-CNN6(Self-attention-depthwise separable convolution-CNN6)优化模型进行高层次的特征提取,并将提取的特征进一步拼接融合,最后将拼接后的特征经分类器分类。针对Self-Attention-DSC-CNN6优化模型,基于CNN6算法进行了改进,将传统卷积层替换为深度可分离卷积(Depthwise separable convolution,DSC)来达到减少计算复杂度的效果,并引入Self-Attention注意力机制以增强特征提取能力。实验结果显示,本文所提出的多模态融合框架鲈鱼摄食强度分类准确率达到90.24%,模型可以有效利用不同数据源信息,提升了对复杂环境中鱼群行为的理解,增强了模型决策能力,确保了投喂策略的及时性与准确性,从而有效减少了饲料浪费。 展开更多
关键词 鲈鱼 摄食强度分类 多模态融合 Self-Attention-DSC-CNN6
在线阅读 下载PDF
赤点石斑鱼氨氮应激行为嵌入式表征研究
3
作者 聂鹏程 钱程 +3 位作者 汪清平 曾国权 马建忠 刘世晶 《农业机械学报》 北大核心 2025年第2期503-510,522,共9页
基于应激行为学的赤点石斑鱼应激行为表征是实现赤点石斑鱼氨氮胁迫识别的前提与基础,但现有方法大多依赖于高性能硬件,不利于行为表征方法在养殖现场嵌入式系统上部署和应用。针对这一问题,结合赤点石斑鱼氨氮胁迫环境下活动量减少、... 基于应激行为学的赤点石斑鱼应激行为表征是实现赤点石斑鱼氨氮胁迫识别的前提与基础,但现有方法大多依赖于高性能硬件,不利于行为表征方法在养殖现场嵌入式系统上部署和应用。针对这一问题,结合赤点石斑鱼氨氮胁迫环境下活动量减少、躯体痉挛失衡等症状,提出了一种基于轻量化检测跟踪算法的赤点石斑鱼氨氮应激行为表征方法。首先使用GhostV2卷积对YOLO v5s进行轻量化改进,采用AFPN来支持不同维度特征直接融合,消融对比实验结果表明,改进后轻量化模型准确率和召回率分别为94.3%和89.5%,平均精度均值为96.2%,较改进前提高1.6个百分点,模型内存占用量约为轻量化前模型的60%。为了减少在复杂环境中跟踪时赤点石斑鱼ID频繁跳变的问题,本文在Ocsort中嵌入了一个轻量级的外观特征提取网络并在目标关联时将目标的外观相似度矩阵引入总匹配代价矩阵;对比实验结果表明,改进后跟踪算法MOTA和IDF1分别为94.7%和69.3%,比YOLO v5s与OC-SORT的检测跟踪算法分别提高3.2、6.7个百分点。最终结合石斑鱼氨氮应激行为学研究结果,选用赤点石斑鱼平均运动速度、躯体失衡石斑鱼数量来表征赤点石斑鱼氨氮应激行为,行为识别准确率为92.2%,可准确检测出赤点石斑鱼是否处于氨氮胁迫环境中。本文的轻量化表征方法可部署到Jetson Orin Nano嵌入式系统上,平均运行速度为6 f/s,可为工厂化赤点石斑鱼养殖氨氮胁迫的高效实时识别提供技术支撑。 展开更多
关键词 赤点石斑鱼 氨氮应激行为表征 YOLO v5 Ocsort 嵌入式系统部署
在线阅读 下载PDF
基于改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监测
4
作者 冯国富 袁林婧 +1 位作者 王文娟 陈明 《渔业现代化》 北大核心 2025年第4期31-43,共13页
准确高效监测鱼苗应激行为不仅有助于在养殖过程中调控应激源以减少产量损失,同时也可为育种阶段的鱼苗活力评估提供有效手段。针对鱼苗体积小、养殖密度高和高速非线性运动的特点,提出一种改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监... 准确高效监测鱼苗应激行为不仅有助于在养殖过程中调控应激源以减少产量损失,同时也可为育种阶段的鱼苗活力评估提供有效手段。针对鱼苗体积小、养殖密度高和高速非线性运动的特点,提出一种改进YOLOv8n-pose和BoTSORT的鱼苗应激行为监测方法。改进YOLOv8n-pose作为检测器,将BMS模块与C2f模块相结合,使模型充分学习不同尺度特征;使用SPPCSPC模块替换原模型的特征融合模块,优化鱼苗相互遮挡情形下的检测精度;最后用NEMASlideLoss替换原模型损失函数,增强模型的稳定性和对小目标的关注度。在跟踪器部分,基于检测器检测出的目标,结合BoTSORT多目标跟踪算法实现了更适合鱼苗应激时非线性运动监测的方法。最后,提取鱼苗的加速度、摆尾角度和聚集度3种特征进行加权融合,根据融合后的特征值判断鱼苗是否处于应激状态。结果显示,改进后的YOLOv8n-pose算法在目标检测和关键点检测的mAP比原模型分别提高了3.6%和4.5%;BoTSORT算法的MOTA为77.628%、MOTP为80.307%、IDF1为79.573%、IDSW为51,优于DeepSORT、ByteTrack、StrongSORT算法。该研究算法基于特征值的应激行为监测准确率为95.24%,为鱼类苗种培育中应激行为监测提供了新的思路和方法。 展开更多
关键词 鱼苗 YOLOv8n-pose BoTSORT 应激行为监测
在线阅读 下载PDF
智慧渔业技术发展现状与展望
5
作者 刘晃 刘世晶 《大连海洋大学学报》 北大核心 2025年第4期541-551,共11页
智慧渔业技术是提高渔业生产效率、推动渔业现代化转型发展的重要手段。通过深度融合多元感知、物联网、大数据、人工智能等先进技术,智慧渔业在育种、养殖、捕捞、加工等渔业关键领域取得了显著进展。然而,现代渔业高质量发展的新趋势... 智慧渔业技术是提高渔业生产效率、推动渔业现代化转型发展的重要手段。通过深度融合多元感知、物联网、大数据、人工智能等先进技术,智慧渔业在育种、养殖、捕捞、加工等渔业关键领域取得了显著进展。然而,现代渔业高质量发展的新趋势,对智慧渔业发展提出了更高的要求。本文从信息感知、传输和分析决策3个维度,系统梳理了智慧渔业技术的主要研究进展,阐明了技术发展趋势,并结合产业实际,总结了智慧渔业技术在育种、养殖、资源养护、捕捞及加工领域的应用现状,以期为实现中国从渔业大国向渔业强国转变提供科学参考。 展开更多
关键词 智慧渔业 物联网 人工智能 精准养殖 数字化管理
在线阅读 下载PDF
基于IHO-Mamba-MHSA的红瓜子斑鱼养殖水温多步预测模型
6
作者 徐龙琴 赫敏 +5 位作者 陈子昂 车朱泓 庞惠元 黄天佑 李红雷 刘双印 《农业机械学报》 北大核心 2025年第8期655-664,共10页
为了提高工厂化红瓜子斑鱼养殖水温预测精度,提出了一种基于改进河马优化算法(Improved hippopotamus optimization algorithm,IHO)、Mamba模型和多头自注意力机制(Multi-head self-attention,MHSA)相结合的工厂化红瓜子斑鱼养殖水温多... 为了提高工厂化红瓜子斑鱼养殖水温预测精度,提出了一种基于改进河马优化算法(Improved hippopotamus optimization algorithm,IHO)、Mamba模型和多头自注意力机制(Multi-head self-attention,MHSA)相结合的工厂化红瓜子斑鱼养殖水温多步预测模型(IHO-Mamba-MHSA)。为降低异常值和噪声干扰,分别采用四分位距(Interquartile range,IQR)法识别异常值和线性插值法填补缺失值,通过极端梯度提升(Extreme gradient boosting,XGBoost)进行关键因子特征筛选;为提高河马算法全局和局部搜索性能,提高其收敛速度,提出了差分变异、Levy飞行和柯西变异融合改进IHO优化多目标算法;为增强预测模型捕捉水温非线性关系、处理多步依赖性和全局信息的能力,提出Mamba模型与MHSA结合的预测模型;通过IHO优化并获得Mamba-MHSA模型组合参数,构建了IHO-Mamba-MHSA的工厂化红瓜子斑鱼养殖水温多步预测模型。将该模型对山东省莱州市某工厂化红瓜子斑鱼养殖水温进行验证,本文提出的IHO算法与遗传算法(Genetic algorithm,GA)、粒子群优化算法(Particle swarm optimization algorithm,PSO)和标准河马优化算法(Hippopotamus optimization algorithm,HO)相比,本文算法的MAE、MSE和MAPE分别最高降低33.33%、21.74%和18.37%,R^(2)最高提升4.42%,说明IHO具有较好的多参数优化性能;与LSTM、GRU、BPNN及TCN模型对比,本模型在各预测步长下均表现最佳,当步长为24时R^(2)仍高达0.888,充分表现其在单步与多步预测中的卓越性。各项实验结果表明本模型能够满足实际工厂化红瓜子斑鱼养殖水温精准预测与精细化管理的需求,为工厂化水产养殖水质调控提供参考。 展开更多
关键词 红瓜子斑鱼 工厂化水产养殖 水温多步预测 改进河马优化算法 Mamba模型
在线阅读 下载PDF
伪异常引导的融合注意力和记忆增强的鱼群异常行为检测
7
作者 袁红春 肖智豪 《湖南农业大学学报(自然科学版)》 北大核心 2025年第1期123-130,共8页
现有的鱼群异常行为检测方法无法有效提取高级语义信息、特征学习不足,且缺乏对异常样本的学习和提取关键特征的能力,无法满足现有的大规模水产养殖需求。笔者结合深度学习技术,提出了一种伪异常引导的融合注意力和记忆增强的鱼群异常... 现有的鱼群异常行为检测方法无法有效提取高级语义信息、特征学习不足,且缺乏对异常样本的学习和提取关键特征的能力,无法满足现有的大规模水产养殖需求。笔者结合深度学习技术,提出了一种伪异常引导的融合注意力和记忆增强的鱼群异常行为检测方法:通过在视频序列中随机选择跳跃的帧构建伪异常合成器生成伪异常样本,增强对异常样本的感知能力;提出选择性内核频率通道注意力(SKFca)机制,在选择性内核(SK)注意力的基础上引入频域信息,以捕捉更丰富的输入信息;通过瓶颈注意力(BAM)机制在通道和空间维度上抑制不相关的背景特征,突出前景目标特征;在2种注意力模块后面添加记忆增强模块,将异常样本的编码特征替换为正常样本的编码特征,扩大异常样本输出与输入的重构误差;将记忆增强后的通道和空间维度上的关键特征和频域特征融合,以全面提取高级语义信息。结果表明,本研究所提方法在2种自制的鱼类数据集上检测效果都很好,曲线下面积(AUC)分别达0.953和0.957,且能实现对异常的精确定位。 展开更多
关键词 鱼群异常行为检测 高级语义信息 深度学习 伪异常引导 注意力机制 记忆增强
在线阅读 下载PDF
YOLO-U:基于结构重参数化和双重注意力机制的水下目标检测算法 被引量：1
8
作者 李江川 韩彦岭 +4 位作者 董传胜 王艳 王静 张云 杨树瑚 《上海海洋大学学报》 北大核心 2025年第3期696-706,共11页
水下目标检测算法的研究是实现水下机器人智能捕捞的前提。水下目标检测任务中存在的目标模糊、小目标众多以及相互遮挡等问题对实现精确的目标检测提出了挑战,本研究提出了一种基于YOLOv7-tiny的水下目标算法YOLO-U。该算法通过引入具... 水下目标检测算法的研究是实现水下机器人智能捕捞的前提。水下目标检测任务中存在的目标模糊、小目标众多以及相互遮挡等问题对实现精确的目标检测提出了挑战,本研究提出了一种基于YOLOv7-tiny的水下目标算法YOLO-U。该算法通过引入具有结构重参数化的RepViT骨干网络,融合ESE通道注意力机制,增强水下模糊目标的特征提取能力;同时,设计了浅层坐标信息特征融合的特征金字塔网络CAFPN,进一步增强检测模型对方向和位置信息的敏感度,融合不同尺度的特征信息以提高小目标的检测能力;最后,采用WIoUv2边界框损失函数有效降低了简单示例对损失值的贡献,使得模型能够聚焦于遮挡目标,进一步提高遮挡目标的检测精度。YOLO-U算法在URPC2021数据集上mAP50取得了84.6%的检测效果,较YOLOv7-tiny、YOLOv5s和YOLOv8s分别提高了2.1%、5.2%和2.8%,检测结果显示,该算法可以有效提高水下目标检测精度,进一步改善水下模糊目标、小目标和遮挡目标的检测效果。 展开更多
关键词 水下目标检测 YOLOv7-tiny 结构重参数化 注意力机制 损失函数
原文传递
基于混合注意力模块改进StarGAN的水下图像增强 被引量：1
9
作者 郑浩君 王振 +4 位作者 张佳鹏 刘胜男 钱程 涂雪滢 刘世晶 《南方水产科学》 北大核心 2025年第1期185-196,共12页
围绕水下图像色偏和模糊的特点,针对不同浑浊度的水下图像差异较大问题,提出了一种基于混合注意力模块(Convolutional block attention module,CBAM)改进的星型生成对抗网络(Star generative adversarial networks,StarGAN)用于水下多... 围绕水下图像色偏和模糊的特点,针对不同浑浊度的水下图像差异较大问题,提出了一种基于混合注意力模块(Convolutional block attention module,CBAM)改进的星型生成对抗网络(Star generative adversarial networks,StarGAN)用于水下多浑浊图像增强。首先使用水下相机采集实验室和养殖平台环境2组水下多浊度图像数据集;其次优化StarGAN,在每个ResidualBlock模块后引入一个由通道注意力模块和空间注意力模块串联组成的CBAM;最后进行消融实验,并与其他方法比较,使用水下图像质量评估(Underwater image quality measurement,UIQM)、水下彩色图像质量评估(Underwater color image quality evaluation,UCIQE)和图像熵作为图像质量评价指标。结果表明,实验室数据集增强后,UIQM达到1.18,UCIQE达到30.13,图像熵达到12.83;养殖平台数据集增强后,UIQM达到0.52,UCIQE达到10.35,图像熵达到9.94。该方法对实验室和养殖平台环境中不同浑浊度的图像增强均有较好的效果,在消融实验及与其他方法的比较中,该方法的得分均为最高。 展开更多
关键词 多浑浊度图像 水下图像增强 注意力模块 星型生成对抗网络
在线阅读 下载PDF
基于改进YOLOv8n的水下鱼类目标识别轻量化模型 被引量：3
10
作者 曹宇 李佳阳 王芳 《上海海洋大学学报》 北大核心 2025年第1期188-200,共13页
针对复杂水下环境中鱼类目标识别精度不足、传统目标识别模型复杂度高、识别速度慢等问题,出现了一种基于改进YOLOv8n的水下鱼类目标识别模型YOLOv8n-fish。本文提出轻量级双卷积模块C2fDualConv,以改善YOLOv8n中C2f模块的特征学习能力... 针对复杂水下环境中鱼类目标识别精度不足、传统目标识别模型复杂度高、识别速度慢等问题,出现了一种基于改进YOLOv8n的水下鱼类目标识别模型YOLOv8n-fish。本文提出轻量级双卷积模块C2fDualConv,以改善YOLOv8n中C2f模块的特征学习能力;基于高效的结构重参数化思想设计全新的颈部网络EffQAFPN,以平衡目标模型的识别精度和速度;采用二阶段微调方法,提升水下弱光及干扰物环境下鱼类目标识别模型的识别精度。实验结果表明,YOLOv8n-fish模型在测试集的平均精度为97.47%,较传统YOLOv8n模型提升了1.07%;而改进后模型的参数量、浮点运算量和模型内存占用量仅为原始模型的56.1%、82%和66.7%。YOLOv8n-fish模型的识别速度仅次YOLOv5n-P6,可达到121帧/s。实验结果表明,YOLOv8n-fish模型在保持高识别精度的同时显著降低计算成本,为水产养殖的智能监测提供有效的技术支持。 展开更多
关键词 水产养殖 YOLOv8n 双卷积模块 轻量化 深度学习
原文传递
基于BP神经网络的虾夷扇贝育苗投饵预测模型
11
作者 母刚 李海东 +7 位作者 常轶智 吴乙涛 张倩 李航企 张寒冰 李秀辰 张国琛 宋若冰 《水产学报》 北大核心 2025年第12期199-212,共14页
【目的】解决虾夷扇贝育苗中人工投饵方式粗放、精度差等问题,实现虾夷扇贝育苗投饵的自动化。【方法】提出了一种基于BP神经网络的虾夷扇贝育苗投饵预测模型。以虾夷扇贝幼苗的生长天数、食饵量、水温作为预测模型的输入向量,投饵量为... 【目的】解决虾夷扇贝育苗中人工投饵方式粗放、精度差等问题,实现虾夷扇贝育苗投饵的自动化。【方法】提出了一种基于BP神经网络的虾夷扇贝育苗投饵预测模型。以虾夷扇贝幼苗的生长天数、食饵量、水温作为预测模型的输入向量,投饵量为输出向量,通过BP神经网络挖掘数据间映射关系,建立虾夷扇贝育苗投饵预测模型,通过投饵试验验证模型的精度和稳定性。【结果】30 d的虾夷扇贝幼苗由系统自动投饵3 d后,自动投饵的均方根误差由人工投饵的456.6×10^(5)降低至226.6×10^(5),降低了50.34%,自动投饵的绝对百分误差为0.041,小于人工投饵的0.043;42 d培育的虾夷扇贝幼苗由系统自动投饵3 d后,自动投饵的均方根误差由人工投饵的194.2×10^(5)降低至149.3×10^(5),降低了23.09%,自动投饵的绝对百分误差为0.020,小于人工投饵的0.039。【结论】虾夷扇贝育苗投饵预测模型的精准度与稳定性均优于人工投饵,为自动投饵装备研发提供了重要参考。 展开更多
关键词 虾夷扇贝 育苗 自动投饵 投饵预测模型 BP神经网络
原文传递
基于YOLOv8n的轻量化鱼类检测算法
12
作者 王明慧 陈燕 +1 位作者 寇立伟 窦银科 《现代电子技术》 北大核心 2025年第5期79-85,共7页
目前极区是通过声呐探测结合人工捕捞统计的方法对鱼类进行监测考察,该方法受经济成本和作业区域、时间的限制。基于深度学习的目标检测算法可在满足经济性要求的同时对鱼类进行识别检测,然而传统的目标检测算法往往参数量、计算量较大... 目前极区是通过声呐探测结合人工捕捞统计的方法对鱼类进行监测考察,该方法受经济成本和作业区域、时间的限制。基于深度学习的目标检测算法可在满足经济性要求的同时对鱼类进行识别检测,然而传统的目标检测算法往往参数量、计算量较大,无法适应极区能耗、存储受限的严苛条件。针对这一问题,文中提出一种改进YOLOv8n的轻量化鱼类检测算法,在骨干和颈部网络中使用GhostC2f代替C2f,用GhostConv代替网络中部分Conv;在骨干网络中引入EMA注意力机制,以提高特征提取能力;最后,使用计算过程更简单的MPDIoU损失函数代替CIoU,提高检测速度。在自制的鱼类数据集上实验表明:改进后的算法参数量和计算量分别变为1.49×10^(6)和4.7×10^(9),仅用了原YOLOv8n算法49.67%的参数实现了略优于YOLOv8n的检测精度;部署到嵌入式设备Jetson Xavier NX中检测速度能达到47 f/s,可以为硬件条件受限情况下的鱼类检测提供技术支撑。 展开更多
关键词 鱼类检测 YOLOv8n 轻量化 极区 声呐探测 EMA注意力机制
在线阅读 下载PDF
基于改进MobileNetV2和迁移学习的鱼类食欲强度评定方法
13
作者 刘士坤 刘兴国 +3 位作者 王婕 顾兆俊 程果锋 张家华 《渔业现代化》 北大核心 2025年第4期56-62,共7页
准确评定鱼类食欲强度是实现水产养殖精准投喂的重要手段,针对当前鱼类食欲强度评定存在的精度低、实时性差等问题,提出了一种基于改进MobileNetV2和迁移学习的鱼类食欲强度评定模型。首先,以MobileNetV2为基础网络结构,在倒残差块的跳... 准确评定鱼类食欲强度是实现水产养殖精准投喂的重要手段,针对当前鱼类食欲强度评定存在的精度低、实时性差等问题,提出了一种基于改进MobileNetV2和迁移学习的鱼类食欲强度评定模型。首先,以MobileNetV2为基础网络结构,在倒残差块的跳跃连接后引入注意力机制CBAM模块,进一步提升了模型对关键特征信息的捕捉能力。其次,针对现场养殖环境,采集了鱼群摄食时的水面视频数据,通过提取关键帧并应用基于哈希值的差异阈值方法去除冗余图像,构建了一个真实养殖坏境的鱼类食欲强度数据集,并在该数据集上进行相关验证试验。结果显示,迭代200次后,改进后的最优模型性能优于其他模型,内存占用量仅为9.3 MB,准确率为92.75%,召回率为92.92%,精确率为92.65%,F1分数为92.70%。研究表明,该模型具有较高的评定准确率,且内存占用量较小,为水产养殖的智能化和精准化提供了重要的参考和支持。 展开更多
关键词 水产养殖 食欲强度 深度学习 图像分类
在线阅读 下载PDF
基于机器视觉的凡纳滨对虾生物量参数估计
14
作者 朱元昆 赵爽 苗玉彬 《南方水产科学》 北大核心 2025年第4期119-127,共9页
针对凡纳滨对虾(Litopenaeus vannamei)养殖过程中,传统生物量人工监测效率低、应激损伤大等问题,研究提出了一种融合改进YOLOv8算法与最小包围盒(Oriented Bounding Box,OBB)的非接触式体长-体质量估算方法,以提升智能化投饲管理的效... 针对凡纳滨对虾(Litopenaeus vannamei)养殖过程中,传统生物量人工监测效率低、应激损伤大等问题,研究提出了一种融合改进YOLOv8算法与最小包围盒(Oriented Bounding Box,OBB)的非接触式体长-体质量估算方法,以提升智能化投饲管理的效率和准确性。该方法通过以下技术改进实现生物量参数的有效估计:首先,融合Focal-GIoU构建损失函数,增强对遮挡虾体的检测能力;其次,引入GhostNetV2轻量化网络的空间-通道解耦注意力机制,提升特征表达能力,并集成RepBlock动态可重构模块,增强多尺度形态自适应识别能力;最后,提出基于主成分分析的最小包围盒(Principal Components Analysis-Oriented Bounding Box,PCA-OBB)算法,通过协方差矩阵特征分解确定虾体主轴方向,并结合霍夫圆检测标定像素-物理尺寸转换系数,建立体长-体质量回归模型。结果表明,该方法对120日龄凡纳滨对虾体长的测量平均相对误差为1.26%,最大绝对误差为0.503 cm,体质量预测平均相对误差为5.3%,均优于传统人工测量。该方法实现了凡纳滨对虾的非接触式生物量参数实时监测和估计,为精准投喂提供了有效技术支持。 展开更多
关键词 YOLOv8算法 凡纳滨对虾 生物量估算 目标检测
在线阅读 下载PDF
基于计算机视觉的鱼类体长和体高快速提取方法
15
作者 周银华 李和娇 +5 位作者 高贺 付宿星 李俊婷 段玉婷 刘海平 周朝伟 《西南大学学报(自然科学版)》 北大核心 2025年第9期68-76,共9页
鱼类的体长、体高等性状是判断鱼类生长状况最基本的参数,对养殖、育种、分选、生物量估算等都有重要意义。开发并验证了一种基于YOLO v8深度学习模型的鱼类体长、体高快速准确提取方法,旨在克服传统人工测量方法效率低、易受主观影响... 鱼类的体长、体高等性状是判断鱼类生长状况最基本的参数,对养殖、育种、分选、生物量估算等都有重要意义。开发并验证了一种基于YOLO v8深度学习模型的鱼类体长、体高快速准确提取方法,旨在克服传统人工测量方法效率低、易受主观影响以及易对鱼体产生伤害等局限。通过采集的534张鱼类图像并构建数据集,利用YOLO v8算法自动识别并测量鱼类的体长和体高,同时引入棋盘格标定板以实现图像中像素长度与实际物理尺寸之间的精确转换。结果显示:该方法在体长和体高测量上的平均绝对误差分别为0.29cm和0.08cm,平均相对误差分别为1.18%和1.56%,测量精度满足需求。与传统测量方法相比,本方法每尾鱼的平均测量时间仅为0.6s,体现了高效性。 展开更多
关键词 计算机视觉 目标检测 鱼类体长提取 鱼类体高提取
原文传递
DeepSeek与渔业智能体在现代渔业中的应用与发展前景 被引量：3
16
作者 麻志宏 刘鹰 《大连海洋大学学报》 北大核心 2025年第2期185-194,共10页
人工智能(artificial intelligence,AI)的快速发展为渔业智能化转型提供了新路径,本文着力探讨了DeepSeek在渔业中的应用与发展前景,作为国产开源大模型的典型代表,DeepSeek凭借多模态融合、动态推理与知识图谱构建能力,在渔业的多个应... 人工智能(artificial intelligence,AI)的快速发展为渔业智能化转型提供了新路径,本文着力探讨了DeepSeek在渔业中的应用与发展前景,作为国产开源大模型的典型代表,DeepSeek凭借多模态融合、动态推理与知识图谱构建能力,在渔业的多个应用场景中具有高度适配性。构建基于DeepSeek的渔业智能体,可为精准管理养殖、优化育种、病害防控及资源管理评估等环节提供智能化新范式,优化渔业生产的核心环节。通过跨学科协同创新、“AI合作社”生态共建、技术场景验证与算法迭代升级等路径,DeepSeek与渔业智能体着力突破渔业中多源数据治理瓶颈、产业协同壁垒、知识隐性转化障碍及决策时空适配难题,进而实现人工智能与渔业的全链条深度融合,构建渔业可持续发展新生态。 展开更多
关键词 DeepSeek 人工智能 多模态融合 渔业智能体
在线阅读 下载PDF
海洋牧场环境监测平台设计与应用试验 被引量：2
17
作者 王玺华 李明智 +2 位作者 李文松 王刚 万殿鹏 《渔业现代化》 北大核心 2025年第1期50-63,共14页
为满足海洋牧场环境监测需求,研制了一种海参底播养殖环境理化指标与视觉监测平台。通过构建数值模型,进行了结构强度分析。基于三维势流理论,建立了风浪流耦合条件下的平台运动响应模型,并利用AQWA软件分析最大重心幅度变化规律。通过... 为满足海洋牧场环境监测需求,研制了一种海参底播养殖环境理化指标与视觉监测平台。通过构建数值模型,进行了结构强度分析。基于三维势流理论,建立了风浪流耦合条件下的平台运动响应模型,并利用AQWA软件分析最大重心幅度变化规律。通过优化系泊参数,实现了系泊系统的优化。结果显示,在风浪流耦合作用下,平台重心的最大幅度值被确定为危险工况。当导缆孔位置降低至水下0.5 m时,平台的横摇、纵摇和艏摇幅值分别减少50.6%、61.7%和43.4%;当缆绳长度降至70 m时,这些幅值分别减少28.4%、47.7%和32.0%。优化后的系泊系统安全系数为1.89,高于允许安全标准1.67。为验证数值模型的准确性,在台风“格美”影响期间进行了实测。海上实测横摇、纵摇、艏摇的最大角度分别为-6.399°、-1.329°和0.774°,与模拟结果相差约2°。模拟与实测的系泊力系数分别为3.63和3.92,且升降趋势基本一致,验证了数值模拟的准确性和安全性。该研究结果为海洋牧场环境监测平台的设计与推广应用提供了理论和技术支撑。 展开更多
关键词 海洋牧场 海参养殖 环境监测平台 运动响应 系泊系统
在线阅读 下载PDF
智慧渔业的发展现状与应用展望
18
作者 陈倩 赵永锋 孙中勇 《科学养鱼》 2025年第9期3-6,共4页
随着全球人口增长与资源环境压力的加剧,传统渔业正面临资源枯竭、生产效率低下和可持续发展难等困境。在这一背景下,以物联网、大数据、人工智能和自动化技术为核心的智慧渔业应运而生,成为推动渔业转型升级的关键力量。当前,智慧渔业... 随着全球人口增长与资源环境压力的加剧,传统渔业正面临资源枯竭、生产效率低下和可持续发展难等困境。在这一背景下,以物联网、大数据、人工智能和自动化技术为核心的智慧渔业应运而生,成为推动渔业转型升级的关键力量。当前,智慧渔业已在养殖环境监控、饵料精准投喂、病害智能诊断等领域取得突破,但仍受技术成本高、标准化不足和推广普及难等制约。为了解智慧渔业的技术应用现状,分析其面临的问题与挑战,并探讨未来发展的趋势与机遇,《科学养鱼》邀请了中国水产科学研究院渔业机械仪器研究所刘晃研究员和浙江大学叶章颖教授对其进行详细介绍。 展开更多
关键词 大数据 养殖环境监控 饵料精准投喂 智慧渔业 物联网
在线阅读 下载PDF
仿生蝠鲼型水下观测装置的设计
19
作者 李炳麟 王其伟 +3 位作者 黄小双 张英 孔祥洪 韩东兴 《上海海洋大学学报》 北大核心 2025年第4期875-886,共12页
为提升水产养殖水下观测的生态兼容性与数据获取效率,设计一种低扰动、高稳定性的仿生水下观测装置。实验采用仿生蝠鲼形态设计,基于计算机视觉提取生物标本轮廓并构建NACA0013翼型外形态模型,结合Lighthill理论建立展向运动学模型;通... 为提升水产养殖水下观测的生态兼容性与数据获取效率,设计一种低扰动、高稳定性的仿生水下观测装置。实验采用仿生蝠鲼形态设计,基于计算机视觉提取生物标本轮廓并构建NACA0013翼型外形态模型,结合Lighthill理论建立展向运动学模型;通过动水槽试验验证水动力性能并开展实际水域试验,评估对鱼群的扰动程度及图像传输能力。结果显示:仿生本体轮廓与NACA0013翼型的拟合优度达0.944,具备优良流体动力特性;动水槽试验中,在θ=50°,f=0.830 Hz时推力值、升力值、俯仰力矩值达到最大,呈规律振荡,表明运动平稳性;经测试,鱼群平均跟随率最高达36.5%,证实装置对鱼群干扰极小,环境兼容性优异,同时可实时传输仿生蝠鲼和自然鱼群共融的高清图像,完全满足生态观测需求。研究表明,NACA0013翼型具有显著的流线型拟合优势;仿生蝠鲼的推力、升力和俯仰力矩随运动振幅及频率的增大而增强,但受环境流速影响显著;当仿生蝠鲼运动速度为0.3 m/s时,鱼群跟随率达到峰值;该装置在水产养殖中可实现无扰检测,为养殖管理提供有效数据支撑。本研究为水产养殖提供了新型生态友好型水下观测装备,其仿生设计与智能控制方法可扩展至海洋生态监测、水下机器人等领域,推动低干扰水下技术的发展。 展开更多
关键词 仿生蝠鲼 形态轮廓提取 动水槽试验 环境共融性 机器鱼 鱼群观测
原文传递
基于改进ConvNext模型的梭子蟹缺陷识别研究 被引量：1
20
作者 张为 高国栋 +2 位作者 李响 张恒 费忠祥 《渔业现代化》 北大核心 2025年第2期99-108,共10页
梭子蟹(Portunus trituberculatus)具有较高的营养和经济价值,其外观的完整性直接影响其价格。针对梭子蟹分选过程中存在的效率低、成本高和受主观因素影响较大的问题,该研究提出了一种基于改进ConvNext模型的梭子蟹缺陷智能识别方法。... 梭子蟹(Portunus trituberculatus)具有较高的营养和经济价值,其外观的完整性直接影响其价格。针对梭子蟹分选过程中存在的效率低、成本高和受主观因素影响较大的问题,该研究提出了一种基于改进ConvNext模型的梭子蟹缺陷智能识别方法。首先利用重参数化重聚焦卷积替换ConvNext模型Block模块中的深度可分离卷积;其次在ConvNext模型的Block模块前以及下采样模块后加入坐标注意力机制。改进后的模型在复杂情况下的识别准确率最高,为98.90%,比ConvNext模型高出3.32%。同时,精确率、召回率和F1分数等各项指标均优于其他模型,展现出良好的泛化性和鲁棒性。结果表明,改进后的ConvNext模型能够有效解决梭子蟹分拣过程中存在的问题,为开发梭子蟹缺陷的自动识别和分类系统提供了技术支持,推动梭子蟹分拣技术的智能化发展。 展开更多
关键词 深度学习 三疣梭子蟹 识别缺陷 改进ConvNext 引入CA注意力
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 2 … 31 下一页 到第 页
使用帮助 返回顶部