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1篇文章
< 1 >
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YOLOv8模型的凡纳滨对虾(Litopenaeus vannamei)摄食强度量化及分类方法研究
1
作者 王磊 赵海翔 +6 位作者 崔鸿武 黄桢铭 高阳 李皓 崔正国 曲克明 朱建新 《海洋与湖沼》 CAS CSCD 北大核心 2024年第5期1282-1293,共12页
为实现凡纳滨对虾(Litopenaeus vannamei)摄食强度量化及分类,克服投喂主观性,优化饲料利用率。实验采用YOLOv8模型对凡纳滨对虾进行识别和检测以及YOLOv8-segment模型对凡纳滨对虾的虾头进行分割,根据饲料区域内对虾的数量和虾头的像... 为实现凡纳滨对虾(Litopenaeus vannamei)摄食强度量化及分类,克服投喂主观性,优化饲料利用率。实验采用YOLOv8模型对凡纳滨对虾进行识别和检测以及YOLOv8-segment模型对凡纳滨对虾的虾头进行分割,根据饲料区域内对虾的数量和虾头的像素面积,实现对虾摄食强度的量化,并利用Convnext模型将图像中对虾的摄食强度划分为强摄食、中摄食和低摄食3个级别。实验结果显示,迭代200次后,YOLOv8模型对饲料区域内对虾目标检测的mAP50达到了99.5%,YOLOv8-segment模型对虾头分割的mAP50达到了92.1%,展现了YOLOv8模型的强大性能。经实验验证发现,在不同摄食强度下饲料区域内对虾的数量和虾头的像素面积存在明显差异。Convnext模型对凡纳滨对虾3种摄食强度的图像分类准确率为98.8%。该方法可以客观有效地将对虾摄食强度进行量化,并将对虾的摄食强度进行分类,为实现对虾的精准投喂提供了理论基础和技术支撑。 展开更多
关键词 凡纳滨对虾 摄食强度量化 计算机视觉 YOLOv8
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 下一页 到第 页
关于我们 | 版权声明 | 联系我们 | 帮助中心| 意见反馈
主办单位：上海市教育委员会
技术支持：重庆维普资讯有限公司
渝公网安备 50019002500403号
使用帮助 返回顶部