基于ResNet和随机森林的海洋鱼类分类方法  

Classification of Marine Fish Species Based on ResNet and Random Forest

作　　者：黄天星 臧兆祥[1,2] 陈露露 李昭 

机构地区：[1]三峡大学水电工程智能视觉监测湖北省重点实验室,湖北宜昌443002 [2]三峡大学计算机与信息学院,湖北宜昌443002 [3]南方海洋科学与工程广东省实验室(湛江),南海资源大数据中心,广东湛江524013

出　　处：《工业控制计算机》2023年第10期78-80,83,共4页Industrial Control Computer

摘　　要：提出了一种基于卷积神经网络和随机森林相结合的方法,用于对海洋可食用鱼类进行识别分类。通过使用YOLOv3目标检测网络对原始鱼类图片进行目标定位并使用数据增强方法对数据集进行扩充,模型在自建数据集上进行训练和微调,达到了较高的分类准确率和稳定性。实验结果表明该模型在鱼类分类任务上的有效性,并为解决传统方法对鱼类分类的困难提供了一种新思路。This paper proposes a method that combines convolutional neural networks and random forests for the recognition and classification of edible marine fish.By using the YOLOv3 object detection network to locate the fish targets in the original images and using data augmentation to expand the dataset,the model is trained and fine-tuned on a self-built dataset,achieving high classification accuracy and stability.The experimental results demonstrate the effectiveness of this model in fish classification tasks and provide a new approach for traditional methods to tackle the difficulty of fish classification.

关 键 词：鱼类分类 ResNet50 随机森林 迁移学习 模型微调 

分 类 号：S951.2[农业科学—水产养殖] TP181[农业科学—水产科学] TP391.41[自动化与计算机技术—控制理论与控制工程]