水下鱼类目标智能跟踪识别系统的设计与实现

作者：杨民峰; 孙洪迪

来源：北京工业职业技术学院学报, 2022, 21(02): 16-20.

• 深度学习
• TensorFlow2.0
• YOLOV4
• OpenCV
• 目标检测与跟踪

当前通过水下摄像头采集到的水下鱼类目标视频往往存在失真、噪声干扰及光线折射等问题，而传统的视频模式识别跟踪算法在检测复杂、模糊、重叠和紧凑的目标时结果普遍差。基于TensorFlow 2.0和YOLO V4,结合深度学习，设计1个水下视频鱼类目标智能跟踪识别系统。系统对6种鱼类视频的识别准确率(Mean Average Precision, mAP)达到98.50%,跟踪效率(Frames Per Second, FPS)达到46。测试数据表明：系统实现了水下鱼类视频目标的准确识别和实时跟踪，为水产养殖的科学化与数字化提供了智能支持。

• 单位
  北京工业职业技术学院