基于深度学习的鱼类摄食状态识别算法

摘要

针对传统评估鱼类摄食状态的算法易受养殖环境光照和水质条件限制,图像特征提取困难、识别效率低的问题,提出了一种利用卷积神经网络模型识别鱼类摄食深度图像的方法,使用深度相机获取鱼群摄食深度图像,采用距离特征的方法实现鱼群目标提取和背景图像消除,通过HSV颜色转换算法将鱼类的距离信息线性转换为颜色信息,解决了深度图中目标深度信息表示困难的问题。经过预处理的深度图轮廓清晰、颜色鲜明、特征提取容易,设计一种结构简单的神经网络模型对鱼类摄食深度图进行识别,实验结果表明,模型识别的平均准确率为97.81%,相比于其他复杂模型,权重空间降低了90%,训练速度提高了三倍,有效降低了识别模型的复杂度。