基于卷积神经网络的鱼类图像识别与分类

当前非法、无序的渔业捕捞严重威胁海洋生态环境和全球的海产品的可持续供应。有关部门和组织已经开始探索利用摄像头大规模监控渔船的捕捞活动。为了准确高效的对采集的图像数据进行鱼类的识别与分类,利用计算机视觉技术,设计了一种基于卷积神经网络的鱼类图像识别与分类系统。针对复杂神经网络过拟合严重的问题,运用了一系列有效降低过拟合的方法来优化神经网络模型,其中包括了数据集扩增方法,dropout方法,batch normalization方法。利用该模型对8种鱼类进行了识别分类,结果显示准确率达到了96.24%,从而可以准确快速的进行鱼类的分类。