Recognition of Acetes chinensis fishing vessel based on 3-2D integration model behavior
-
摘要: 针对中国毛虾 (Acetes chinensis) 产量逐年锐减问题，中国开始对近海海域实施毛虾限额捕捞措施，采用视频监控技术辅助捕捞管理。提出一种基于3-2D融和模型的毛虾捕捞渔船行为识别方法，为限额捕捞管理提供新的解决方案。通过在毛虾渔船上4个固定位置安装高清摄像设备，并记录捕捞作业全过程，共获取600余个视频监控数据作为初始数据；从初始数据中筛选有效的视频数据，同时对视频数据进行5种行为的划分和标记。为了提高网络训练的效率，对视频数据进行压缩和帧数分割等预处理；最后，通过搭建3-2D融合的卷积神经网络来训练模型，实现渔船行为特征的提取和分类。结果表明，捕捞渔船行为识别方法的分类精度为95.35%，召回率为94.50%，平均精确度为96.60%，模型整体得分达93.32%，平均检测时间为35.46 ms·帧−1，可用于毛虾渔船捕捞视频的实时分析。Abstract: Since the yield of Acetes chinensis has decreased sharply year by year, China has begun to implement quota fishing measures for A. chinensis in offshore waters by using video surveillance technology to assist the fishing management. This paper proposes a method for identifying the behavior of A. chinensis fishing vessels based on the 3-2D fusion model, so as to provide a new solution for quota fishing management. By installing high-definition camera equipment at four fixed positions on the A. chinensis fishing vessel and recording the entire process of fishing operations, we had obtained more than 600 video surveillance data had been as initial data. Secondly, we filtered effective video data from the initial data, and divided and labeled them with five behaviors. In order to improve the efficiency of network training, we preprocessed the video data such as compression and frame number segmentation. Finally, the model was trained by building a 3-2D fusion convolutional neural network to realize the extraction and classification of fishing vessel behavior characteristics. The results show that the classification accuracy of the fishing vessel behavior recognition method was 95.35%; the recall rate was 94.50%; the average accuracy was 96.60%; the overall score of the model could reach 93.32%; and the average detection time was 35.46 ms·frame−1. The method can be used for real-time analysis of the fishing video of A. chinensis fishing boats.
-
Keywords:
- Acetes chinensis /
- Quota fishing /
- Deep learning /
- Convolutional neural network
-
乌鳢 (Channa argus) 是一种备受欢迎的淡水鱼，常作为原料生产调理鱼片或冷冻鱼片，但其加工过程中产生的鱼头、鱼骨等下脚料利用率较低，造成较大的资源浪费，并产生较严重的环境问题。中国素有熬制鱼头汤的饮食习惯，但较为耗时。乌鳢鱼头富含矿物质元素、氨基酸和不饱和脂肪酸，是熬制鱼汤的优选原料。因此开发方便即食的乌鳢鱼头汤制品具有较好的市场前景。目前市场上存在少量的鱼汤制品多为浓缩型汤膏，体积大且含水量高，保藏条件较严格，其消费受到较大的限制。随着干燥技术在速溶汤上的应用，出现了一些速溶汤制品。如采用微波冷冻干燥方法制备的速溶蔬菜汤[1]；通过微波预糊化与红外冷冻干燥制备的奶油蘑菇汤粉[2]；Singh等[3]用喷雾干燥法制成的蘑菇乳清汤粉可在30 ℃下保存8个月。但鲜见作为粉末型的方便鱼汤产品。为适应现代人快节奏的生活方式和对美味鱼汤产品的需求，本研究选取喷雾干燥法制备乌鳢鱼头汤粉，探索干燥参数对干燥效果和产品品质的影响，优化出最佳干燥条件，为冲调式鱼头汤粉的生产提供技术支撑，从而提高乌鳢加工副产物的利用价值。
1. 材料与方法
1.1 材料与试剂
新鲜乌鳢 [(1.0±0.2) kg] 购于江苏省镇江市吉麦隆超市，宰杀后取鱼头，用碎冰保藏于泡沫箱中运至实验室；麦芽糊精 (食品级) 购于河南新乡中信化学有限公司。
1.2 仪器与设备
JSM-7800F场发射扫描电子显微镜 (日本电子株式会社)；均质机 (上海申鹿均质机有限公司)；OM-1500A小型喷雾干燥器 (上海欧蒙有限公司)；Lab-1C-50真空冷冻干燥机 (北京博医康实验仪器有限公司)；3810 (PAL-1) Digital Pocket Refractometer糖度计 (日本Atago公司)；MB27快速水分测定仪 (奥豪斯仪器 (常州) 有限公司)；CR-400色差计 (日本Konica Minolta, Inc.)。
1.3 乌鳢鱼头汤的制备
将新鲜乌鳢鱼头清洗后沥干，用刀剁成小块，称质量，用料酒和少量姜块腌制30 min，沥干备用。不锈钢锅内放入约50 mL的大豆油加热，放入鱼头块 [(250±5) g] 煎炸40~60 s至变色，然后再转入汤锅中[ m(料)∶V(液)=1∶6]，大火 (98 ℃) 熬煮30 min，再转小火 (90 ℃) 熬制，在熬煮至第60分钟时添加1%的食盐，总熬煮时间为150 min。当汤体温度降至40 ℃时，用勺子除去上层的油层，选取下层的鱼汤利用棉纱布进行过滤，得率约为最初添加水体积的40%，然后进行后续干燥。
1.4 喷雾干燥工艺参数筛选
1.4.1 麦芽糊精的添加量
物料黏度是喷雾干燥过程中的一个重要因素[4]。选择常用的麦芽糊精作为助干剂控制黏度，添加质量浓度为0、5、10、15和20 g·L−1。喷雾干燥进料速度设为10 mL·min−1，进风温度为180 ℃，结束后收集样品并计算集粉率，根据粉末的水分质量分数、色泽、溶解性和堆积密度等指标及干燥过程中的粘壁情况确定麦芽糊精的最佳添加量。
1.4.2 进风温度对喷雾干燥效果的影响
在1.4.1确定麦芽糊精用量的基础上，将进风温度设定为60、170、180和190 ℃，进料速度固定为10 mL·min−1，进行喷雾干燥实验。测定所得产品的集粉率、水分质量分数、色泽、溶解性和堆积密度等，筛选出最优的进风温度。
1.4.3 进料速度对喷雾干燥效果的影响
在1.4.1确定麦芽糊精用量的基础上，将进料速度设定为6、9、12和15 mL·min−1，进口温度设为1.4.2得到的最优温度，进行喷雾干燥实验。测定产品集粉率，以及粉末的水分质量分数、色泽、溶解性和堆积密度等，确定最优的进料速度。
1.5 喷雾干燥鱼头汤粉特性评价
1.5.1 粉末颗粒形貌与粒径分析
利用扫描电镜观察所得粉末的形貌和表面特征。将粉末样品粘在贴有双面胶的圆柱形铝底座上，然后进行离子溅射喷金，在不同放大倍数下以15 kV的加速电压进行检测。选取适当放大倍数 (1 000×、5 000×和10 000×) 作为每个样品的代表。采用激光衍射粒度仪分析颗粒的粒度。选用通用的样品池，将2.0 g样品悬浮于20 mL蒸馏水中超声30 s，折光系数为1.50，利用光衍射法进行样品分析。平均粒径用体积平均直径D[3,4]表示，粒径分布用跨度 (Span) 表征。跨度指数计算为：
$$ I_{\rm {span }}=\left(D_{90}-D_{10}\right) / D_{50} $$ (1) 式中：Ispan为跨度指数；D90为90%颗粒的平均粒径 (μm)；D50为50%颗粒的平均粒径 (μm)；D10为10%颗粒的平均粒径 (μm)。
1.5.2 固形物质量分数测定
使用糖度计测定鱼头汤固形物的质量分数。
1.5.3 集粉率计算
参考郑唯等[5]的方法，计算公式为：
$$ P=m_{0} /\left(m_{1}+m_{2}\right) \times 100 {\text{%}} $$ (2) 式中：P为集粉率 (%)；m0为粉末质量 (g)；m1为液料中的干物质质量 (g)；m2为助干剂麦芽糊精添加质量 (g)。
1.5.4 堆积密度测定
参考Teo等[6]的方法，即粉末的质量与在量筒中固定体积的比值。称量10 mL量筒中可堆积的样品质量，重复3次，取平均值，计算公式为：
$$ \rho=m / V $$ (3) 式中：ρ为堆积密度 (g·mL−1)；m为粉末样品质量 (g)；V为粉末样品体积 (mL)。
1.5.5 色度测定
利用色差仪对所得粉末颜色进行测定分析，得到样品的明度 (L*)、红绿色度 (a*)、蓝黄色度 (b*) 并计算白度。
1.5.6 水分质量分数测定
采用快速水分测定仪进行分析。
1.5.7 冲调时间
参考李秀军等[7]的方法，用量筒量取 50~55 ℃的蒸馏水 8 mL 放入 10 mL试管中冲调1 g样品，并用玻璃棒搅拌，观察并记录样品完全溶解所需时间。
1.5.8 吸湿性
参考Cai和Corke[8]的方法并适当修改。取1 g样品置于含饱和氯化钠 (NaCl) 溶液 (相对湿度75%) 的干燥器中，在25 ℃条件下放置1周后称质量，吸湿性为每100 g样吸附的水分质量 [g·(100 g)−1]：
$$ A=\left(W_{1}+W_{2}\right)/W_1 \times 100 {\text{%}} $$ (4) 式中：A为吸湿性 (%)；W1为样品初始质量 (g)；W2为1周后的样品质量 (g)。
1.5.9 溶解度
取0.5 g样品加入50 mL蒸馏水中，搅拌器搅拌30 min，离心5~10 min (3 000~4 000 r·min−1)，取上清液10 mL转移至玻璃皿中，烘干至恒质量：
$$ S=m / M \times 100 {\text{%}} $$ (5) 式中：S为溶解度 [g·(100 mL)−1]；m为上清液中固形物的质量 (g)；M为样品溶液体积 (mL)。
1.6 数据分析
所有实验重复3次，结果取平均值。显著性分析用SPSS 20.0软件进行，以P<0.05 作为标准。采用Origin 8.0软件绘图。
2. 结果与分析
2.1 乌鳢鱼头汤喷雾干燥参数优化
2.1.1 助干剂对喷雾干燥产品的影响
助干剂 (麦芽糊精) 对鱼头汤喷雾干燥产品品质的影响见表1。未添加麦芽糊精时，鱼头汤经喷雾干燥后所得到的粉末积粉率和堆积密度均最低，同时冲调时间最长并存在严重的粘壁现象。而添加麦芽糊精可显著提高鱼头汤粉末的集粉率，当其质量浓度高于10 g·L−1时，集粉率增至39.2%。但麦芽糊精质量浓度进一步增加对集粉率无显著影响。助干剂质量浓度较低时，料液中固形物的包埋效果差，影响玻璃化温度，导致雾化不充分[9]，易出现粘壁现象，造成集粉率低。而随着添加量的增加，助干剂能在物料表面形成一层膜，从而改善粘壁现象，集粉率变大[10-11]。此外，随着麦芽糊精质量浓度的增加，产品的水分质量分数逐渐下降且趋于稳定，当大于15 g·L−1时水分质量分数降至5%以下，有利于长期存放。结果表明麦芽糊精的添加可改变物料间的粘黏程度，使颗粒间隔增大，利于水分的脱除，干燥加快。因此，麦芽糊精不仅可提高集粉率还有助于干燥过程中的脱水[12-13]。
表 1 助干剂对产品喷雾干燥的影响Table 1. Effect of carrier on spray drying of product麦芽糊精质量浓度
Addition of
maltdextrin/(g·L−1)集粉率
Powder collection
rate/%水分质量分数
Moisture
mass fraction/%堆积密度
Bulk density/
(g·mL−1)冲调时间
t/s亮度
L*红绿色度
a*蓝黄色度
b*白度
Brightness粘壁情况
Wall
sticking0 13.5a 4.84b 0.365a 117d 50.13b −0.14d 7.01c 49.64b 粘壁严重 5 19.9b 6.07c 0.456d 104c 48.00a −0.31a 3.39b 47.89a 粘壁严重 10 38.5c 5.08b 0.441c 84b 48.63a −0.26b 2.55a 48.57a 部分粘壁 15 37.7c 4.17a 0.434b 77a 51.49b −0.35a 2.39a 51.43b 轻微粘壁 20 39.2c 4.03a 0.429b 74a 50.60b −0.22c 2.13a 50.55b 几乎不粘壁 注：同一列标注不同小写字母表示组间存在显著差异(P<0.05)；下表同此。 Note: Different lowercase letters within the same column indicate significant difference between groups (P<0.05). The same case in the following tables. 此外，麦芽糊精的添加还会影响产品的堆积密度。未添加麦芽糊精时所得到的粉末堆积密度仅为0.365 g·mL−1，当添加质量浓度为5 和15 g·L−1时，堆积密度增大；而当添加质量浓度超过15 g·L−1时，堆积密度则无明显差异，可能是由于粉末水分质量分数不同造成。麦芽糊精的添加还导致冲调时间的缩短，表明产品的溶解度随着麦芽糊精的增多而提高。麦芽糊精影响了产品的色泽，未添加麦芽糊精或添加量较低时，b*较高，粉末偏黄；随着添加量的增加，L*增大，b*显著降低并趋于稳定，白度升高，但添加量过大会有浓郁的麦芽糊精味，影响产品原有风味。因此，综合各参数，确定麦芽糊精的添加质量浓度为15 g·L−1。该条件下干燥粉末的水分质量分数低于5%，溶解性较好且色泽佳。
2.1.2 进风温度对喷雾干燥产品的影响
进风温度对喷雾干燥过程中能量传递及利用率会产生较大影响，是影响喷雾干燥效果和产品品质的重要参数。进风温度对鱼头汤喷雾干燥的影响见表2。随着温度的上升，粉末的集粉率呈现先增大后减小的趋势，在170 ℃时达到最大。温度较低时，液体无法迅速干燥，半干的颗粒会粘壁，导致集粉率下降；温度较高时，热量能够充分传递给喷出的雾滴，干燥室内的气流分子无规则运动加剧，水分蒸发速率加快，物料在气化后能迅速干燥。提高干燥速度，粘壁现象得到改善，粉末不易结块。但若温度过高，粉体表面会快速形成较硬的外壳，导致颗粒内部水分不易向外扩散，造成水分含量又有所升高。此外，在较高温度下蛋白质和麦芽糊精粉末则容易糊化，不仅影响产品最终的口感，还会影响其色泽，造成品质下降。黄绍天和王步江[14]报道进风温度过高会导致喷雾干燥后期料液温度大于黏流温度，糖类等物质发生轻微焦化现象，产生轻微的热粘壁现象。
表 2 进风温度对产品喷雾干燥的影响Table 2. Effect of inlet air temperature on spray drying of product温度
Temperature/
℃集粉率
Powder collection
rate/%水分质量分数
Moisture
mass fraction/%堆积密度
Bulk density/
(g·mL−1)冲调时间
t/min亮度
L*红绿色度
a*蓝黄色度
b*白度
Brightness粘壁情况
Wall sticking160 41.86c 6.11c 0.390b 1.40b 54.59b −0.38b 4.29a 54.39b 部分粘壁 170 43.02d 4.77a 0.362b 1.32a 56.29c −0.48a 4.66b 56.04b 轻微粘壁 180 37.70b 6.09c 0.401c 1.29a 51.49a −0.32b 4.30a 51.29a 轻微粘壁 190 35.41a 4.97b 0.304a 1.46c 51.50a −0.47a 5.34c 51.20a 少量粘壁 粉末的水分质量分数的变化规律与集粉率基本一致，在170 ℃时最低 (4.77%)，产品得率最高 (表2)。此外，干燥粉末的堆积密度在180 ℃时达到最大，而粉末的冲调时间在170和180 ℃时较短且无显著性差异 (P>0.05)。但当进风温度过高时，粉末的冲调时间则会变长，可能是因为温度低时物料干燥不充分导致溶解性降低，而温度过高会形成坚硬的外壳，则需要更多的时间才能被溶解。此外，进风温度对产品色泽也产生了显著影响，当升高至190 ℃时，b*明显增大，可能是由于温度过高使物料糊化从而导致粉末颜色偏黄。粘壁情况除了在160 ℃下不理想外，其他组均呈现较好的效果。综上，本实验选择最佳的进风温度为170 ℃。
2.1.3 进料速度对产品喷雾干燥的影响
进料速度也是影响喷雾干燥过程中产品品质的重要参数。当进料速度过低时，鱼头汤的喷雾干燥时间较长，不仅增加能耗，还会影响生产效率。进料速度对干燥产品的影响见表3。集粉率随进料速度的增加总体上呈下降趋势，在较低进料速度范围内集粉率较高，但当进料速度增加到一定程度时，集粉率则显著降低 (P<0.05)。当进料速度较低时，水分能够充分蒸发，物料可在雾化室得到较彻底的干燥，但当进料速度过快时，物料雾化不充分，水分蒸发不彻底，会导致干燥不完全，产生大量粘壁，出现结块，同时还易造成聚集堵塞影响喷雾。结果显示，当鱼头汤进料速度为6 mL·min−1时，水分质量分数最低 (3.91%)，堆积密度与其他组无明显差异，并且在该条件下溶解性较好，冲调时间小于1 min，且轻微粘壁。综上，本实验选择进料速度为6 mL·min−1。
表 3 进料速度对产品喷雾干燥的影响Table 3. Effect of feeding speed on spray drying of product进料速度
Processing velocity/
(mL·min−1)集粉率
Powder collection
rate/%水分质量分数
Moisture
mass fraction/%堆积密度
Bulk density/
(g·mL−1)冲调时间
t/s亮度
L*红绿色度
a*蓝黄色度
b*白度
Brightness粘壁情况
Wall sticking6 44.55c 3.91a 0.301b 58b 52.75a −0.30b 4.01b 52.58a 轻微粘壁 9 40.64b 4.54b 0.297b 47a 55.80b −0.39a 3.84a 55.63b 部分粘壁 12 42.29b 4.93c 0.296b 75d 53.53a −0.36ab 4.36c 53.32a 轻微粘壁 15 34.99a 5.41d 0.287a 65c 54.89b −0.43a 3.87ab 54.72b 严重粘壁 2.2 喷雾干燥鱼头粉品质评价
2.2.1 产品宏观形态
喷雾干燥获得的是较细的白色粉状产品 (图1)。 蒋丽施等[15]利用白乌鱼 (Opniocepnalus argus)熬煮鱼汤，通过喷雾干燥所得到的鱼汤粉的白度也呈现白色，且麦芽糊精添加量越多白度越高。
2.2.2 产品含水量
含水量是检验干燥产品的一个重要指标，与产品存放条件和时间有关[16]。喷雾干燥过程中，物料与热空气充分接触并进行热量交换，水分从颗粒内部快速扩散，物料在雾化后形成细小的颗粒，呈均匀多孔的球状，有利于水分的扩散。本实验显示鱼头汤经过喷雾干燥得到的粉末水分质量分数仅为4.03%，有利于产品的后期存放。蒋丽施等[15]同样采用最佳进风温度为170 ℃对白乌鱼鱼汤进行喷雾干燥，所得鱼汤粉的水分质量分数为10.26%。这可能与不同原料来源的鱼汤中组分种类和含量不同有关。
2.2.3 产品堆积密度
堆积密度是一个反映粉体质构的参数，与微观结构有关[17-18]。堆积密度大可以减少包装和运输成本[19]。表4显示了喷雾干燥得到的产品堆积密度。喷雾干燥过程中，液滴会被雾化，在这个过程中会受重力、阻力和碰撞等影响产生形变，产生不同的颗粒结构，导致粉末堆积密度增大。进料温度、进料速度和鱼汤的固形物含量是影响鱼头汤粉的重要因素[20]，利用本研究优化的喷雾干燥条件所得鱼头汤粉末的堆积密度为0.542 g·mL−1。朱琳芳[20]利用喷雾干燥制备的鳙 (Aristichthys nobilis) 汤粉的堆积密度约为0.25 g·mL−1。堆积密度与喷雾过程中所形成的粉末粒径有关，粒径越小，堆积密度越大。
表 4 喷雾干燥的乌鳢鱼头汤粉品质指标Table 4. Quality index of C. argus head soup powder made by spray drying水分质量分数
Moisture mass fraction/%堆积密度
Bulk density/(g·mL−1)溶解度
Solubility/[g·(100 mL)−1]吸湿性
Hygroscopicity/[g·(100 g)−1]4.03±0.15 0.54±0.09 99.13±1.98 24.47±1.65 2.2.4 产品溶解度
本实验中喷雾干燥产品的溶解度较高 (表4)，可能是因为喷雾干燥过程中所形成的颗粒直径小，且较为均匀，空隙更多，与水分接触的通道多，导致粉末溶解度较高[21]，这与付露莹等[22]的研究结果一致。鳙鱼汤的喷雾干燥粉也具有相当高的溶解度，但随进料浓度和进料温度的升高而降低，随进料速度的增加而增大[20]。
2.2.5 产品吸湿性
喷雾干燥制得的粉末吸湿性较低，主要与添加的助干剂有关。在较低浓度下，麦芽糊精的添加提高了产量，降低了粉体的吸湿性[23-24]，因为其具有较少的亲水性基团，显示出较低的吸湿性。通过本研究优化的喷雾干燥条件获得鱼头汤粉的吸湿性约为24.47 g·(100 g)−1 (表4)。Ferrari等[25]在对黑莓 (Rubus fruticosus) 果肉进行喷雾干燥时加入5%~10%的麦芽糊精，产品的吸湿性随麦芽糊精添加量的升高而降低，但过高时会导致粉末的吸湿性增大[26-27]，因此，适量的助干剂才有利于降低产品的吸湿性。
2.2.6 粉体粒径分布
通过喷雾干燥制备的鱼头汤粉粉末粒径及其分布见表5。D[4,3]所代表的平均粒径显示喷雾干燥样品的平均粒径较小。根据D90、D50和D10计算得到跨度指数接近1，表明粉末粒径分布较窄[28]，进一步说明喷雾干燥获得的粉体大小更均匀。在进行喷雾干燥时，雾化的过程会将液体先分散为小雾滴，受热后水分蒸发，形成细小的粉末状颗粒，得到的粉体粒径小且分布相对均匀。
表 5 粉末粒径和跨度指数Table 5. Particle sizes and span index of powder粉末粒径 Particle size/μm 跨度指数
SpanD[4,3] D90 D50 D10 2.84±1.15 5.43±0.57 2.80±0.07 0.87±0.01 1.63±0.15 2.2.7 颗粒形貌
粉体的微观形态及结构与干燥产品的流动性、速溶性、堆积密度等指标密切相关。喷雾干燥得到的鱼头汤粉末的微观形态扫描电镜图见图2。如前所述，在喷雾干燥过程中经过雾化器液体被均匀地分散成雾滴，使得制成的颗粒形状基本相同。放大1 000倍大多呈现球型颗粒状或扁球状，而放大5 000和10 000倍喷雾干燥的颗粒形状较圆、非常规则，表面光滑、大小均匀且多孔，分散性好，颗粒间的空隙大。该结果进一步解释了喷雾干燥的粉末含水量低，同时具较好的流动性、速溶性和堆积密度的原因。一些喷雾干燥的颗粒会融合在一起，这可能与吸湿性、物料浓度、添加的辅料黏度以及成膜能力有关[29]。
3. 结论
麦芽糊精可作为乌鳢鱼头汤喷雾干燥的助干剂，能有效改善喷雾干燥过程中的粉末粘壁现象，当添加质量浓度为15 g·L−1、喷雾干燥进风温度为170 ℃、进料速度为6 mL·min−1时，乌鳢鱼头汤喷雾干燥效果最佳，制得的鱼头汤粉末集粉率最高，水分质量分数低于5%，堆积密度较大，色泽佳，速溶性较好。此外，产品颗粒呈球状，粒径小且分布较均匀，表面光滑，颗粒间空隙较大，吸湿性较低，利于存放。总之，喷雾干燥方法可应用于方便快捷的鱼头汤粉末产品生产，但规模化生产工艺还有待进一步研究。
-
![]()
图 4 捕捞渔船初始拍摄数据统计图
Figure 4. Statistics chart of initial shooting data of fishing vessel
![]()
图 6 3-2D融合模型的卷积神经网络结构图
Figure 6. Convolutional neural network structure diagram of 3-2D fusion model
表 1 选用视频数据
Table 1 Selection of video data
渔船标签
Fishing vessel label渔船行为
Fishing vessel behavior渔船视频数量
Number of fishing vessel videos/个0 停靠 Dock 90 1 航行 Sail 110 2 下网 Cast net 110 3 收网 Put away net 110 4 等待 Wait 80 
下载: 导出CSV
表 2 制作数据标签
Table 2 Production of data labels
视频路径
Video path视频帧数
Video frames捕捞渔船标签
Fishing vessel label行为状态
Behavioral statesyy/d01/D01_20210617171455.mp4 0~13 230 0 停靠 Dock syy/d01/D01_20210620043651.mp4 0~11 940 1 航行 Sail syy/d01/D01_20210620043651.mp4 11 940~50 093 2 下网 Cast net syy/d01/D01_20210630181131.mp4 0~69 301 3 收网 Put away net syy/d01/D01_20210620061938.mp4 0~4 330 4 等待 Wait
下载: 导出CSV
表 3 模型评价主要指标及结果
Table 3 Main indicators and results of model evaluation
指标
Index训练结果
Training result测试结果
Test result精度 Precision/% 99.60 95.35 召回率 Recall rate/% 99.63 94.50 平衡F分数 F1-Score/% 99.06 93.32 平均精确度 AP/% 98.70 96.60 时间 t/(ms·帧−1) — 35.46
下载: 导出CSV
-
[1] 李国东, 仲霞铭, 熊瑛, 等. 基于北斗船位数据的渔业信息解译与应用研究——以中国毛虾限额捕捞管理为例[J]. 海洋与湖沼, 2021, 52(3): 746-753. doi: 10.11693/hyhz20201000288 [2] 农业农村部渔业渔政管理局, 全国水产技术推广总站, 中国水产学会. 2019年中国渔业统计年鉴[J]. 北京: 中国农业出版社, 2020: 2. [3] MULYANI S, VESTIYATI P M, ALAMSYAH H K, et al. Effect of differences in salt concentration on the quality of rebon shrimp paste (Acetes sp.) in Tegal district[J]. IOP Conf Ser:Earth Environ Sci, 2021, 755(1): 012051. doi: 10.1088/1755-1315/755/1/012051
[4] UNG T D, TRAN T Y N, NGUYEN N L, et al. Biochemical characteristics of small shrimp (Acetes japonicus) of varied sizes collected in Ben Tre Province, Vietnam[J]. IOP Conf Ser: Mater Sci Eng, 2021, 1092(1): 012080. doi: 10.1088/1757-899X/1092/1/012080
[5] 刘洋, 张胜茂, 王斐, 等. 海洋捕捞鱼类BigH神经网络分类模型设计与实现[J]. 工业控制计算机, 2021, 34(6): 18-20. doi: 10.3969/j.issn.1001-182X.2021.06.007 [6] 梁建胜, 温贺平. 基于深度学习的视频关键帧提取与视频检索[J]. 控制工程, 2019, 26(5): 965-970. [7] 蒋梦迪, 程江华, 陈明辉, 等. 视频和图像文本提取方法综述[J]. 计算机科学, 2017, 44(S2): 8-18. [8] 李秀智, 张冉, 贾松敏. 面向助老行为识别的三维卷积神经网络设计[J]. 北京工业大学学报, 2021, 47(6): 589-597. [9] 耿家利. 渔船轨迹大数据存储优化与行为识别技术研究[D]. 杭州: 杭州电子科技大学, 2018: 5-8 [10] ZHANG H, YANG S L, FAN W, et al. Spatial analysis of the fishing behaviour of tuna purse seiners in the western and central Pacific based on vessel trajectory date[J]. J Mar Sci Eng, 2021, 9(3): 322. doi: 10.3390/jmse9030322
[11] 宁耀. 基于深度学习的渔船行为识别方法研究[D]. 兰州: 兰州大学, 2020: 42-53. [12] TRAN D, BOURDEV L, FERGUS R, et al. Learning spatiotemporal features with 3D convolutional networks[C]. 2015 Proceedings of the IEEE International Conference on Computer Vision (ICCV), Santiago, Chile. New York: IEEE, 2015: 4489-4497.
[13] CARREIRA J, ZISSERMAN A. Quo vadis, action recognition? A new model and the kinetics dataset[C]. 2017 Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu HI, USA. New York: IEEE, 2017: 6299-6308.
[14] 王书献, 张胜茂, 朱文斌, 等. 基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统目标检测应用[J]. 大连海洋大学学报, 2021, 36(5): 1-17. [15] 王书献, 孙永文, 张胜茂, 等. 基于卫星AIS远洋船位的热力图自动制图[J]. 渔业信息与战略, 2021, 36(1): 45-53. [16] 裴凯洋, 张胜茂, 樊伟, 等. 浙江省帆张网捕捞强度分布的提取方法[J]. 水产学报, 2020, 44(11): 1913-1925. [17] 张胜茂, 樊伟, 张衡, 等. 远洋捕捞渔船电子监控视频文字信息提取[J]. 渔业信息与战略, 2020, 35(2): 141-146. [18] 汤先峰, 张胜茂, 樊伟, 等. 基于深度学习的刺网与拖网作业类型识别研究[J]. 海洋渔业, 2020, 42(2): 233-244. doi: 10.3969/j.issn.1004-2490.2020.02.011 [19] 王书献, 张胜茂, 戴阳, 等. 利用声呐数据提取磷虾捕捞深度方法研究[J]. 南方水产科学, 2021, 17(4): 91-97. doi: 10.12131/20210020 [20] 农业农村部印发《通告》规定2021年伏休期间特殊经济品种专项捕捞许可[J]. 中国水产, 2021(6): 6-8. [21] IOFFE S, SZEGEDY C. Batch normalization: accelerating deep network training by reducing internal covariate shift[C]. 2015 International conference on machine learning (ICML), Lille, France. San Diego, CA: JMLR-Journal Machine Learning Research, 2015: 448-456.
[22] HE K, ZHANG X, REN S, et al. Delving deep into rectifiers: surpassing human-level performance on imagenet classification[C]. 2015 Proceedings of the IEEE International Conference on Computer Vision (ICCV), Santiago, Chile. New York: IEEE, 2015: 1026-1034.
[23] 崔雪森, 田晓清, 康伟, 等. 基于卷积神经网络的微藻种类识别[J]. 上海海洋大学学报, 2021, 30(4): 710-717. [24] 罗晨辉, 孙洪飞. 改进型的batch normalization: BNalpha[J]. 计算机应用研究, 2021, 38(6): 1870-1873. [25] WEI Q J, WANG W B. Research on image retrieval using deep convolutional neural network combining L1 regularization and PRelu activation function[J]. IOP Conf Ser: Earth Environ Sci, 2017, 69(1): 012156.
[26] 张胜茂, 刘洋, 樊伟, 等. 基于TensorFlow的水族馆鱼类目标检测APP开发[J]. 渔业现代化, 2020, 47(2): 60-67. doi: 10.3969/j.issn.1007-9580.2020.02.008 [27] 张超. P−R曲线与模型评估问题研究[J]. 现代信息科技, 2020, 4(4): 23-24. doi: 10.3969/j.issn.2096-4706.2020.04.007 [28] 陈冠宇. 基于深度学习的小目标检测方法研究[D]. 武汉: 中国地质大学, 2020: 27-29. [29] 马金涛. 基于深度学习的复杂环境目标检测方法研究[D]. 哈尔滨: 哈尔滨理工大学, 2021: 27-28. [30] 李琪. 基于深度学习的小目标检测方法研究[D]. 成都: 中国科学院大学 (中国科学院光电技术研究所), 2021: 13-14. [31] 赵亮, 胡杰, 刘汉, 等. 基于语义分割的深度学习激光点云3D目标检测算法[J]. 中国激光: 2021, 48(17): 171-183. [32] 李新德, 刘苗苗, 徐叶帆, 等. 一种基于2D和3D SIFT特征级融合的一般物体识别算法[J]. 电子学报, 2015, 43(11): 2277-2283. doi: 10.3969/j.issn.0372-2112.2015.11.021 [33] 卢元兵, 李华朋, 张树清. 基于混合3D-2D CNN的多时相遥感农作物分类[J]. 农业工程学报, 2021, 37(13): 142-151. doi: 10.11975/j.issn.1002-6819.2021.13.017 [34] 黄海广, 胡乃军, 仇志金, 等. 基于多源定位数据的实时船舶监控系统设计[J]. 中国海洋大学学报(自然科学版), 2015, 45(9): 122-129. [35] KROODSMA D A, MAYORGA J, HOCHBERG T, et al. Tracking the global footprint of fisheries[J]. Science, 2018, 359(6378): 904. doi: 10.1126/science.aao5646
[36] GUAN Y N, ZHANG J, ZHANG X, et al. Identification of fishing vessel types and analysis of seasonal activities in the northern South China Sea based on AIS Data: a case study of 2018[J]. Remote Sens, 2021, 13(10): 1952. doi: 10.3390/rs13101952
[37] 裴凯洋, 张胜茂, 樊伟, 等. 基于VMS的张网渔船捕捞努力量与网位坐标提取方法[J]. 上海海洋大学学报, 2021, 30(1): 179-188. [38] 朱浩朋, 伍玉梅, 唐峰华, 等. 采用卷积神经网络构建西北太平洋柔鱼渔场预报模型[J]. 农业工程学报, 2020, 36(24): 153-160,57. doi: 10.11975/j.issn.1002-6819.2020.24.018 [39] 范秀梅, 杨胜龙, 张胜茂, 等. 基于栖息地指数的阿拉伯海鲐鱼渔情预报模型构建[J]. 南方水产科学, 2020, 16(4): 8-17. doi: 10.12131/20190255 [40] 郑巧玲, 樊伟, 张胜茂, 等. 基于神经网络和VMS的渔船捕捞类型辨别[J]. 南方水产科学, 2016, 12(2): 81-87. doi: 10.3969/j.issn.2095-0780.2016.02.012 -
期刊类型引用(3)
1. 焦晓磊，李清，樊威，苏建，罗煜，吴俊，邓语，张崟. 白乌鱼头骨和脊骨理化成分分析及营养价值比较. 农产品加工. 2025(01): 52-56 . 
百度学术
2. 王益娟，周芳，焦文娟，赵甜甜，林以琳，张业辉，南海军，黄文. 基于非靶向代谢组学的药膳鱼汤代谢产物差异分析. 中国调味品. 2024(05): 148-155 . 百度学术
3. 陈胜军，路美明，相欢，薛勇，黄卉，李来好，胡晓. 乌鳢营养评价与加工保鲜技术研究进展. 肉类研究. 2023(02): 40-45 . 百度学术
其他类型引用(0)
计量
- 文章访问数:
- HTML全文浏览量:
- PDF下载量:
- 被引次数: 3
粤公网安备 44010502001741号
