基于计算机视觉的大黄鱼表型参数测量研究OA北大核心CSTPCD

为解决目前大黄鱼(Larimichthys crocea)表型参数测量研究大多只针对鱼体长度进行测量,对重要的细节如尾柄参数测量的研究较少,且人工测量方法费时费力的问题,本研究提出一种基于改进Mask-RCNN的大黄鱼表型参数测量模型。模型的改进从检测速度和检测精度两个角度出发,首先以MobileNetV2网络替换原始主干网络提升检测速度,之后引入混合注意力模块CBAM,并结合Point Rend算法提高鱼体边缘提取精度。模型得到去除鱼鳍图像后与完整轮廓图像进行融合,通过关键点检测算法在融合后的图像中自动定位关键点位置,并计算各表型参数数据。在测试集中,最优的算法模型对6个待测量参数的总平均相对误差为4.04%。对尾柄附近长度与高度测量的平均相对误差为5.93%和5.09%。对不同大小的大黄鱼各项参数的测量平均绝对百分比误差不超过7%。本研究为大黄鱼表型参数测量提供了新的方法,为提高测量效率提供了新的思路。