• 主题
高级搜索  >
历史搜索 清空历史
首页> 中文期刊> 《中国水利水电科学研究院学报》 >基于GMM-CNN的鱼道内鱼类游泳行为提取方法

基于GMM-CNN的鱼道内鱼类游泳行为提取方法

         
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

鱼道设计离不开鱼类行为特性的研究,智能监控是观测、记录和量化鱼类行为的主要手段,但由于鱼道紊动的水流环境对鱼体精确跟踪造成了困难。本研究提出一种适用于鱼道研究的鱼类游泳行为提取方法,通过高斯混合模型(GMM)和卷积神经网络模型(CNN)对鱼体图像语义分割,再根据鱼体像素计算上溯轨迹、游泳速度和摆尾幅度。方法的验证以草鱼为试验对象,分别进行基于UNet和SegNet的鱼体语义分割对比试验和鱼类游泳行为提取试验。试验结果表明:(1)UNet模型的图像语义分割结果(MPA=95.9%,MIoU=93.3%)优于SegNet模型(MPA=95.5%,MIoU=92.8%);(2)应用GMM-CNN模型进行过鱼轨迹跟踪,其坐标平均相对误差(MRE x=7.1%,MRE y=2.4%)低于单独使用GMM方法23.1%、11.6%;(3)GMM-CNN模型测算鱼类行为能够准确定位鱼体特征点,应用于提取鱼类游泳行为时具有较高的精确度。基于GMM-CNN鱼类游泳行为提取方法可以为鱼道设计提供技术支持。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号