检索结果-维普期刊中文期刊服务平台

自动投饵技术在水产养殖中的应用进展: 1; 作者韩欣冉李子牛张胜茂《渔业信息与战略》 2025年第2期98-109,共12页; 智能化水产养殖是现代水产养殖的重要发展方向,投饵技术对养殖效率和环境可持续性具有关键影响。传统人工投饵方式存在饲料浪费、水质污染等问题,自动投饵技术通过集成传感器、计算机视觉、声信号分析和多模态信息融合,实现精准投饵,提... 展开更多; 关键词水产养殖自动投饵智能投饵数据处理系统集成多模态信息融合; 在线阅读下载PDF 职称材料

基于深度学习的鱼类养殖监测研究进展被引量：15: 2; 作者张胜茂李佳康 +3 位作者唐峰华吴祖立戴阳樊伟《农业工程学报》 EI CAS CSCD 北大核心 2024年第5期1-13,共13页; 鱼类养殖是通过人工方式在水中养殖各种鱼类的经济活动。鱼类养殖可以在淡水、海水或者盐碱水环境中进行,通过各种监测技术和设备来培育和管理鱼的生长和繁殖。传统的鱼类养殖监测方法存在效率低和准确性差等问题。近年来,基于深度学习... 展开更多; 关键词深度学习鱼类养殖鱼体测量鱼类计数鱼类游泳行为鱼类摄食鱼病诊断; 在线阅读下载PDF 职称材料

无人船技术发展现状及其在渔业中的应用被引量：3: 3; 作者巴尧骥唐峰华 +3 位作者张胜茂王斐戴阳吴祖立《大连海洋大学学报》 CAS CSCD 北大核心 2024年第5期888-904,共17页; 无人船是能够在多种水域完成自主执行任务的平台。随着人工智能、自动避碰,以及无人导航等技术的发展,无人船的应用越来越广泛,尤其是在渔业领域扮演着越来越重要的角色,是自动驾驶技术在水域环境中应用的重要形式之一。本文介绍了无人... 展开更多; 关键词无人船环境感知自动避碰自动导航人工智能渔业应用; 在线阅读下载PDF 职称材料

具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法被引量：4: 4; 作者李鹏龙张胜茂 +3 位作者沈烈樊伟顾家辉邹国华《大连海洋大学学报》 CAS CSCD 北大核心 2024年第2期318-326,共9页; 为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存... 展开更多; 关键词血鹦鹉慈鲷 YOLOv8模型检测追踪 ByteTrack算法; 在线阅读下载PDF 职称材料

基于改进YOLOv8的渔港船舶进出港目标检测与统计方法被引量：1: 5; 作者惠卓凡李鹏龙 +3 位作者沈烈沈辉隋江华张胜茂《大连海洋大学学报》 CAS CSCD 北大核心 2024年第3期498-505,共8页; 为减轻渔港执法人员在渔船进出港统计工作中的压力,提出了一种基于改进YOLOv8模型的渔港船舶进出港目标检测与统计模型YOLOv8n-Bi-FPN-EMA,该模型采用加权双向特征金字塔网络结构(Bi-FPN),引入高效多尺度注意模块(EMA)以提高模型的目标... 展开更多; 关键词深度学习目标检测 YOLOv8 渔船识别进出港统计伏渔季管理; 在线阅读下载PDF 职称材料

题名自动投饵技术在水产养殖中的应用进展: 1; 作者韩欣冉李子牛张胜茂; 机构大连海洋大学航海与船舶工程学院中国水产科学研究院东海水产研究所; 出处《渔业信息与战略》 2025年第2期98-109,共12页; 基金国家自然科学基金项目(61936014)。; 文摘智能化水产养殖是现代水产养殖的重要发展方向,投饵技术对养殖效率和环境可持续性具有关键影响。传统人工投饵方式存在饲料浪费、水质污染等问题,自动投饵技术通过集成传感器、计算机视觉、声信号分析和多模态信息融合,实现精准投饵,提高饲料利用率并优化水环境。近年来,水产养殖自动投饵技术研究取得一定的成果,但由于环境复杂、鱼群行为多变等不确定因素,实现精准投饵还面临挑战。介绍了自动投饵技术的研究进展,重点探讨传感器监测、图像识别、声信号监测、多模态信息融合等核心技术,并深入分析了自动投饵系统在数据采集、处理与决策方面的关键环节。此外,对自动投饵系统的组成结构进行了介绍,包括自动上料输送系统、自动下料抛撒系统和集中控制系统,讨论了不同技术路径的优势与不足。最后,分析了当前技术面临的普适性、智能化程度和系统集成等挑战,并展望了未来自动投饵系统在智能化、精准化和数据驱动决策方面的发展趋势,以期推动水产养殖的高效可持续发展。; 关键词水产养殖自动投饵智能投饵数据处理系统集成多模态信息融合; Keywords aquaculture automatic feeding intelligent feeding data processing system integration multimodal information fusion; 分类号 S969 [农业科学—水产养殖]; 在线阅读下载PDF 职称材料

题名基于深度学习的鱼类养殖监测研究进展被引量：15: 2; 作者张胜茂李佳康唐峰华吴祖立戴阳樊伟; 机构上海海洋大学信息学院中国水产科学研究院东海水产研究所; 出处《农业工程学报》 EI CAS CSCD 北大核心 2024年第5期1-13,共13页; 基金国家自然科学基金项目(61936014) 崂山实验室专项经费(LSKJ202201804) 中国水产科学研究院基本科研业务费(2020TD82)。; 文摘鱼类养殖是通过人工方式在水中养殖各种鱼类的经济活动。鱼类养殖可以在淡水、海水或者盐碱水环境中进行,通过各种监测技术和设备来培育和管理鱼的生长和繁殖。传统的鱼类养殖监测方法存在效率低和准确性差等问题。近年来,基于深度学习的视觉技术的发展为鱼类养殖监测提供了新的解决方案。该文阐述了基于深度学习的视觉技术在鱼类养殖监测中的应用,并从鱼体测量、鱼类计数、鱼类摄食、鱼类游泳行为和鱼病诊断5个方面分别对研究进展进行梳理。在此基础上总结了鱼类养殖监测在数据采集与传输、建立鱼类养殖监测数据集、超规模参数模型、终端监测设备边缘计算、数字孪生、智能监测业务化应用不足等问题和展望,旨在为深度学习在鱼类养殖监测中的推广应用提供科学参考。; 关键词深度学习鱼类养殖鱼体测量鱼类计数鱼类游泳行为鱼类摄食鱼病诊断; Keywords deep learning fish farming fish body measurement fish counting fish swimming fish feeding fish disease diagnosis; 分类号 S965 [农业科学—水产养殖]; 在线阅读下载PDF 职称材料

题名无人船技术发展现状及其在渔业中的应用被引量：3: 3; 作者巴尧骥唐峰华张胜茂王斐戴阳吴祖立; 机构大连海洋大学航海与船舶工程学院中国水产科学研究院东海水产研究所农业农村部渔业遥感重点试验室; 出处《大连海洋大学学报》 CAS CSCD 北大核心 2024年第5期888-904,共17页; 基金国家自然科学基金(61936014) 崂山实验室专项经费(LSKJ202201804)。; 文摘无人船是能够在多种水域完成自主执行任务的平台。随着人工智能、自动避碰,以及无人导航等技术的发展,无人船的应用越来越广泛,尤其是在渔业领域扮演着越来越重要的角色,是自动驾驶技术在水域环境中应用的重要形式之一。本文介绍了无人船的关键技术,主要包括环境感知、路径规划、目标分析和编队控制技术,并分析了无人船在渔业领域中的主要应用。尽管无人船技术展现出巨大潜力,但也面临释放回收困难、环境适应性差、远距离探测受限和成本较高等挑战。随着技术进步,无人船有望成为渔业资源调查及渔业相关作业的重要工具,并在渔业资源管理现代化方面发挥重要作用。; 关键词无人船环境感知自动避碰自动导航人工智能渔业应用; Keywords unmanned vessel environment sensing automatic collision avoidance automatic navigation artificial intelligence fishery application; 分类号 S951.2 [农业科学—水产养殖]; 在线阅读下载PDF 职称材料

题名具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法被引量：4: 4; 作者李鹏龙张胜茂沈烈樊伟顾家辉邹国华; 机构大连海洋大学航海与船舶工程学院中国水产科学研究院东海水产研究所农业农村部渔业遥感重点试验室上海峻鼎渔业科技有限公司; 出处《大连海洋大学学报》 CAS CSCD 北大核心 2024年第2期318-326,共9页; 基金国家自然科学基金(61936014) 崂山实验室专项经费资助(LSKJ202201804)。; 文摘为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存,添加了新的视觉通用变换器BiFormer以提升计算效率,并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明:使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果,慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明,本文中设计的YOLOv8n-BiFormer模型具有通用性,在检测和追踪血鹦鹉和慈鲷目标方面均表现优异,消耗的计算资源较少,可部署在水族箱监控系统中,为观赏鱼信息记录自动化和智能化提供了可行的解决方案。; 关键词血鹦鹉慈鲷 YOLOv8模型检测追踪 ByteTrack算法; Keywords Vieja synspila♀×Amphilophus citrinellus♂ Chindongo demasoni YOLOv8 model detection and tracking ByteTrack algorithm; 分类号 S917.4 [农业科学—水产科学]; 在线阅读下载PDF 职称材料

题名基于改进YOLOv8的渔港船舶进出港目标检测与统计方法被引量：1: 5; 作者惠卓凡李鹏龙沈烈沈辉隋江华张胜茂; 机构大连海洋大学航海与船舶工程学院中国水产科学研究院东海水产研究所农业农村部渔业遥感重点试验室辽宁省海洋与渔业行政执法总队; 出处《大连海洋大学学报》 CAS CSCD 北大核心 2024年第3期498-505,共8页; 基金国家自然科学基金(61936014)。; 文摘为减轻渔港执法人员在渔船进出港统计工作中的压力,提出了一种基于改进YOLOv8模型的渔港船舶进出港目标检测与统计模型YOLOv8n-Bi-FPN-EMA,该模型采用加权双向特征金字塔网络结构(Bi-FPN),引入高效多尺度注意模块(EMA)以提高模型的目标检测准确性和稳定性,并结合BoT-SORT跟踪算法实现对不同类型船舶进出渔港的分类统计。结果表明:与YOLOv8n模型相比,YOLOv8n-Bi-FPN-EMA模型的准确率提高了5.0%,mAP@0.5提高了0.2%,对执法船、拖船和渔船的识别准确率分别提高了9.9%、4.9%、0.3%。其中,对渔船的识别准确率为99.1%,召回率为84.4%,mAP@0.5为97.8%。研究表明,YOLOv8n-Bi-FPN-EMA模型在渔船识别上有较好的表现,可用于渔船识别与进出港统计的辅助工作。; 关键词深度学习目标检测 YOLOv8 渔船识别进出港统计伏渔季管理; Keywords deep learning object detection YOLOv8 identification of fishing vessel inbound and outbound statistics port entry and exit statistics. management of the fishing season; 分类号 TP391.4 [自动化与计算机技术—计算机应用技术] S981.1 [农业科学—捕捞与储运]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	自动投饵技术在水产养殖中的应用进展	韩欣冉李子牛张胜茂	《渔业信息与战略》	2025	0	在线阅读下载PDF 职称材料
2	基于深度学习的鱼类养殖监测研究进展	张胜茂李佳康唐峰华吴祖立戴阳樊伟	《农业工程学报》 EI CAS CSCD 北大核心	2024	15	在线阅读下载PDF 职称材料
3	无人船技术发展现状及其在渔业中的应用	巴尧骥唐峰华张胜茂王斐戴阳吴祖立	《大连海洋大学学报》 CAS CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
4	具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法	李鹏龙张胜茂沈烈樊伟顾家辉邹国华	《大连海洋大学学报》 CAS CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
5	基于改进YOLOv8的渔港船舶进出港目标检测与统计方法	惠卓凡李鹏龙沈烈沈辉隋江华张胜茂	《大连海洋大学学报》 CAS CSCD 北大核心	2024	1	在线阅读下载PDF 职称材料