基于深度学习的鱼类分类方法研究  

作　　者：朱鹏飞 许成祥 杨春兰 

机构地区：[1]蚌埠学院电子与电气工程学院,安徽蚌埠233030

出　　处：《中国科技期刊数据库 工业A》2023年第6期42-45,共4页

基　　金：安徽省大学生创新创业训练计划项目(S202111305026)。

摘　　要：本研究针对淡水鱼传统分类方法存在的特征提取复杂以及精度不高等问题,提出了一种基于深度学习技术的鱼类分类方法。该方法通过卷积运算逐层学习淡水鱼数据集图片,提取鱼类颜色、纹理和形状等特征信息,实现快速准确地分类识别。研究通过添加批量归一化层、优化网络激活函数等方式构建了改进的VGG16网络淡水鱼识别模型。将其应用于6种不同淡水鱼种类数据集进行种类识别。结果表明,改进的VGG16网络具有99.23%的训练集测试准确率和96.16%的测试集测试准确率,加速了模型的收敛,提高了网络模型的泛化性能,可以实现淡水鱼种类的快速、准确的分类识别。本研究的成果为深度学习在鱼类识别领域的应用提供了新思路。

关 键 词：深度学习 鱼类分类 卷积神经网络 批量归一化 

分 类 号：T-0[一般工业技术]