农业机械学报

作者：赵德安,刘晓洋,孙月平,吴任迪,洪剑青,阮承治

单位：江苏大学,江苏大学,江苏大学,江苏大学,江苏大学,江苏大学,

关键词：河蟹识别; 机器视觉; 水下图像; 图像增强; 深度学习

基金：国家自然科学基金项目（31571571）、2017年省级重点研发专项（BE2017331）、江苏省渔业科技类项目（Y2017-36）、镇江市2017年度科技创新资金项目（重点研发计划-现代农业）(NY2017013)、江苏省高校优势学科建设项目（PAPD）和江苏省自然科学基金项目（BK20170536）

为了探测河蟹在池塘中的数量及分布情况，为自动投饵船提供可靠的数据反馈，提出了基于机器视觉的水下河蟹识别方法。该方法通过在投饵船下方安装摄像头进行河蟹图像实时采集，针对水下光线衰减大、视野模糊等特点，采用优化的Retinex算法提高图像对比度，增强图像细节，修改基于深度卷积神经网络YOLO V3的输入输出，并采用自建的数据集对其进行训练，实现了对水下河蟹的高精度识别。实验所训练的YOLO V3模型在测试集上的平均精度均值达86.42%，对水下河蟹识别的准确率为96.65%，召回率为91.30%。实验对比了多种目标检测算法，仅有YOLO V3在识别准确率和识别速率上均达到较高水平。在同一硬件平台上YOLO V3的识别速率为10.67f/s，优于其他算法，具有较高的实时性和应用价值。

来源：2019年第3期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2019年第3期