基于深度学习SSDResNet50V1FPN模型在马鲛鱼检测中的应用

近年来,随着渔业技术的不断发展,人们能享用到更多相关的鱼类水产,渔民的经济水平也较以往得到提高。渔民捕鱼后,通常需要对鱼获物的种类进行识别分类。渔民使用不同网孔的鱼网进行渔获物大小的筛选,体型符合要求的鱼获物会留在网内,从而保证渔获物体型大致相同。打捞上来的鱼还需要进行种类识别分类,将不同种类挑选出来,以便送往各个地方销售。现在渔民在挑选分类鱼的时候通常进行人工挑选,这种做法不仅消耗了大量的时间和精力,还可能会导致随着劳作时间的增加,人的注意力不集中而造成分类错误。为了在渔民分类中减少失误和提高效率,以渔获物马鲛鱼为例,文章讨论在使用普通相机进行检测的情况下,利用TensorFlow目标检测,设计的一种基于卷积神经网络模型SSDResNet50V1FPN应用在马鲛鱼检测中。利用该模型进行马鲛鱼目标检测,总的损失经过25 000步训练后,收敛到2.2x10-4,达到良好的检测精度。