基于改进的更快的卷积神经网络特征区域的淡水鱼鱼鳃切口点定位

作者：王红君; 时扬扬^*; 岳有军; 赵辉

来源：科学技术与工程, 2021, 21(16): 6794-6800.

• 目标检测
• 鱼鳃切口定位
• 更快的卷积神经网络特征区域(Faster RCNN)
• Soft-NMS

为了提高鱼产品加工过程中鱼鳃切口点定位的准确度,采用改进的更快的卷积神经网络特征区域(faster convolutional neural network feature region, Faster RCNN)对淡水鱼的鱼鳃部位进行检测和定位。首先,为了增强主干网络VGG16的特征提取能力,加入批归一化(batch normalization, BN)层对其进行结构优化,提高了网络识别的准确率。其次,当物体处于预设的交叉阈值范围时,非最大值抑制(non-maximum suppression, NMS)算法存在目标漏检的问题。采用Soft-NMS算法替代NMS算法,增强了目标检测的性能。通过在淡水鱼数据集进行的实验结果表明,改进的Faster RCNN网络对鱼鳃切口定位准确率达到了96%,较未改进网络提高了6%,为后续生产线中鱼鳃的精准切割奠定了基础。

• 单位
  天津农学院; 天津理工大学; 电子工程学院