-
题名基于LightGBM模型的鱼类异常行为检测
被引量:5
- 1
-
-
作者
袁红春
王丹
陈冠奇
张天蛟
吴若有
-
机构
上海海洋大学信息学院
-
出处
《渔业现代化》
CSCD
2020年第1期47-55,共9页
-
基金
国家自然科学基金资助项目(41776142)
上海市青年科技英才扬帆计划资助项目(YF1407700)
上海海洋大学海洋科学研究院开放课题基金(A1-2006-00-601606)。
-
文摘
针对传统理化方法分析水质污染情况耗时耗力等问题,提出一种基于鱼类异常行为识别的水质监测方法。以红色斑马鱼(red zebrafish)为研究对象,利用计算机视觉技术,首先对斑马鱼图像进行预处理,利用灰度共生矩阵获取鱼群纹理特征;然后通过Lucas-Kanade光流法计算鱼群的运动信息熵,并对获取的纹理特征和信息熵进行归一化处理;最后采用轻量化梯度促进机(LightGBM)对鱼类异常行为进行检测,与深度神经网络(DNN)和支持向量机(SVM)检测效果对比。结果显示:利用LightGBM对鱼类异常行为进行检测,准确率为98.5%,与其他模型对比分别提高0.5%和25.3%。研究表明,基于LightGBM模型的鱼类异常行为检测方法相比其他模型能更准确地识别鱼类非正常游动。该模型适用于自动水质监测。
-
关键词
水质监测
鱼类异常行为
LightGBM
-
Keywords
water quality monitoring
fish abnormal behavior
LightGBM
-
分类号
S959
[农业科学—水产养殖]
TP391.4
[自动化与计算机技术—计算机应用技术]
-