一种高精度轻量化的钓鱼行为识别方法

作者：廖佳庆; 胡嘉俊; 李帆

来源：电脑与电信, 2023, (10): 35-40.

DOI：10.15966/j.cnki.dnydx.2023.10.007

• 图像识别
• 深度学习
• 水域监管
• 非法钓鱼

由于水域监管面积大，钓鱼行为出现时间随机，导致传统的人工监管难度大、时效低。为了解决水域监管中钓鱼行为监管难的问题，提出了一种基于高精度轻量化的钓鱼行为识别方法，该方法主要利用YOLOv5人体识别模型提取人体图像，再对图像进行扩展、剪裁、标准化处理，最后对图像数据集进行样本筛选分类，利用MobileNetV3-Small模型对图像数据集进行训练获得钓鱼图像分类模型。MobileNetV3-Small钓鱼图像分类模型最高F1分数97.32%，查准率为96.58%，查全率为98.07%。通过YOLOv5人体识别模型和MobileNetV3-Small钓鱼图像分类模型实现了对钓鱼行为的高精度识别，解决了钓鱼行为人工监管难的问题，提高了监管效率。

• 单位
  浙江省水利河口研究院