为实现南极磷虾粉中虾青素含量的快速检测,借助计算机视觉和卷积神经网络建立了一种虾粉虾青素含量的测定方法。以70个南极磷虾粉样本,通过高效液相色谱法测定虾青素含量,计算机视觉系统采集图像,将虾青素含量与图像对应组成数据集并对...为实现南极磷虾粉中虾青素含量的快速检测,借助计算机视觉和卷积神经网络建立了一种虾粉虾青素含量的测定方法。以70个南极磷虾粉样本,通过高效液相色谱法测定虾青素含量,计算机视觉系统采集图像,将虾青素含量与图像对应组成数据集并对数据集进行数据增强;使用TensorFlow学习框架构建模型,使用5折交叉验证进行模型调参及评估并选出最优参数模型;随机划分数据集对最优参数模型进行评估,最后随机挑选数据集中的30张图像进行模型验证。结果显示经过交叉验证后的最优参数模型的均方根误差(Root Mean Square Error,RMSE)为3.59;模型评估阶段,模型重复运行3次,测试集的决定系数(Coefficient of Determination,R2)、均绝对误差(Mean Absolute Error,MAE)、均方误差(Mean Square Error,MSE)、RMSE的平均值分别为0.9626、1.49、4.22、2.05。模型验证阶段,模型预测虾青素含量的相对误差介于0.10%~6.46%之间,预测结果与观测值之间偏差较小。因此,该虾青素含量预测模型能够较准确地预测虾青素含量,进而实现虾粉虾青素含量的快速无损检测。展开更多
计算机图像处理技术发展迅速,基于OCR(Optical Character Recognition)的图像文字提取得到广泛应用。在远洋渔业捕捞中,EMS(Electronic Monitoring System)逐渐开始使用,视频中文字信息提取是系统的重要功能之一。通过左右舷、前甲板、...计算机图像处理技术发展迅速,基于OCR(Optical Character Recognition)的图像文字提取得到广泛应用。在远洋渔业捕捞中,EMS(Electronic Monitoring System)逐渐开始使用,视频中文字信息提取是系统的重要功能之一。通过左右舷、前甲板、后甲板安装的4个摄像头,获取渔船作业的视频影像,再利用jTessBoxEditor软件生成图片样本,人工添加文字标签,然后通过tesseract软件训练标注的样本,制作traineddata字库,最后用Python编程提取远洋捕捞渔船监控视频中的时间、位置、航速、航向等信息,提取的960条记录,经与原图片对比全部正确,提取的文字信息可为视频存档和渔业管理提供参考。展开更多
为了探讨南极磷虾主要渔场捕捞群体集群及单位捕捞努力量渔获量(catch per unit fishing effort,CPUE)空间特征,基于2018—2019渔季中国渔船南极磷虾商业捕捞渔捞日志数据,对南极磷虾主要渔场捕捞群体的集群形态、集群中心深度和集群水...为了探讨南极磷虾主要渔场捕捞群体集群及单位捕捞努力量渔获量(catch per unit fishing effort,CPUE)空间特征,基于2018—2019渔季中国渔船南极磷虾商业捕捞渔捞日志数据,对南极磷虾主要渔场捕捞群体的集群形态、集群中心深度和集群水温等特征进行了分析,并探讨其对CPUE的影响。结果显示,在0.1°×0.2°统计单元中,南极磷虾捕捞群体在南奥克尼群岛(South Orkney Islands)附近海域主要为带状集群,平均集群中心深度为20.00~50.00 m,平均集群水温为0.01~0.50℃,平均CPUE为20.01~40.00 t·h^(-1);在南设得兰群岛(South Shetland Islands)北部海域主要呈散点状集群,其比例高达97.78%,平均集群中心深度为20.00~50.00 m,平均集群水温为-0.99~-0.50℃,平均CPUE为5.18~20.00 t·h^(-1);在布兰斯菲尔德海峡(Bransfield Strait)南极磷虾散点状和带状集群比例相近,分别为55.54%和44.46%,平均集群中心深度为50.10~100.00 m,平均集群水温为-1.99~-1.50℃,平均CPUE为20.01~40.01 t·h^(-1)。多元回归分析结果显示,集群形态和集群中心深度对CPUE均有较大影响(P<0.05),而集群水温对CPUE影响不显著(P=0.284)。研究结果可为深入掌握南极磷虾渔场与快速选择合适捕捞的磷虾集群提供参考,并为进一步研究渔场形成机制提供基础数据。展开更多
文摘为实现南极磷虾粉中虾青素含量的快速检测,借助计算机视觉和卷积神经网络建立了一种虾粉虾青素含量的测定方法。以70个南极磷虾粉样本,通过高效液相色谱法测定虾青素含量,计算机视觉系统采集图像,将虾青素含量与图像对应组成数据集并对数据集进行数据增强;使用TensorFlow学习框架构建模型,使用5折交叉验证进行模型调参及评估并选出最优参数模型;随机划分数据集对最优参数模型进行评估,最后随机挑选数据集中的30张图像进行模型验证。结果显示经过交叉验证后的最优参数模型的均方根误差(Root Mean Square Error,RMSE)为3.59;模型评估阶段,模型重复运行3次,测试集的决定系数(Coefficient of Determination,R2)、均绝对误差(Mean Absolute Error,MAE)、均方误差(Mean Square Error,MSE)、RMSE的平均值分别为0.9626、1.49、4.22、2.05。模型验证阶段,模型预测虾青素含量的相对误差介于0.10%~6.46%之间,预测结果与观测值之间偏差较小。因此,该虾青素含量预测模型能够较准确地预测虾青素含量,进而实现虾粉虾青素含量的快速无损检测。
文摘计算机图像处理技术发展迅速,基于OCR(Optical Character Recognition)的图像文字提取得到广泛应用。在远洋渔业捕捞中,EMS(Electronic Monitoring System)逐渐开始使用,视频中文字信息提取是系统的重要功能之一。通过左右舷、前甲板、后甲板安装的4个摄像头,获取渔船作业的视频影像,再利用jTessBoxEditor软件生成图片样本,人工添加文字标签,然后通过tesseract软件训练标注的样本,制作traineddata字库,最后用Python编程提取远洋捕捞渔船监控视频中的时间、位置、航速、航向等信息,提取的960条记录,经与原图片对比全部正确,提取的文字信息可为视频存档和渔业管理提供参考。
