南方水产科学

作者：蔡润基, 彭小红, 叶双福, 张天晨, 高月芳, 吕俊霖

关键词：虾苗计数, 密度图预测, 计数网络模型, 注意力模块, 贝叶斯损失

虾苗计数是虾类养殖与销售中生物量估算的基本操作，对养殖管理和提高产量至关重要。由于受虾苗体型小、遮挡严重以及密集程度不一等因素影响，现有的自动计数方法难以在一定密度下准确计数。基于此，提出了一种基于贝叶斯概率分布的前后端结合计数网络 (Shrimp counting, SC) 模型，用于解决虾苗计数问题。该模型主要由前端模块、注意力模块和后端模块构成。首先，使用前端模块提取具有判别性的表型特征，并采用注意力模块对特征进行重组，以提升对图像的局部注意力；随后，使用后端模块生成虾苗分布预测概率密度图；最后，通过贝叶斯损失函数对模型进行参数调整，以提升虾苗计数的精确度。为了验证方法的有效性，构建了一个包含2种不同密度的虾苗计数数据集，并在该数据集上进行了多组实验对比。结果显示，总体准确率可达93.325%，平均绝对误差和均方误差分别为96.304和154.567。与现有主流的计数方法 布莱克-利特曼模型 (Black-Litterman, BL)、人群密度估计网络 (Contextual Scene Recognition Network, CSR-Net)、多维注意力增强人群计数模型 (Boosting Crowd Counting via Multifaceted Attention, BCCMA) 相比，SC模型准确率最高、误差最小。该模型适用于孵化场、销售和养殖入塘等多场景的虾苗自动计数。

来源：2025年第1期

《南方水产科学》期刊编辑部

查看南方水产科学杂志2025年第1期