基于轻量级卷积神经网络的红鳍东方鲀个体身份无损识别方法

文章充分利用红鳍东方鲀(Takifugu rubripes)体侧纹理特征提出了一种基于轻量级卷积神经网络的鱼类个体身份识别方法,可在无损前提下实现红鳍东方鲀个体身份的高精度识别。首先,采用SOLOv2模型进行前景分割,并结合红鳍东方鲀体型特点,通过质心和哈希值计算方法完成数据集生成和筛选;随后,从多维度分别测试主流深度学习图像分类骨干网络和不同损失函数在红鳍东方鲀身份识别中的效果;继而,在MobileNet v2骨干网络基础上,耦合Softmax Loss函数,建立了一种适用于红鳍东方鲀的个体身份无损识别的最优组合方法。研究结果表明,文章方法准确率可达90.2%,优于其他相关主流方法(准确率73.6%—89.3%),相关研究成果将为循环水养殖鱼类个体身份无损识别和精准生物量估算提供技术支撑。