南方水产科学

作者：魏天琪, 郑雄胜, 李天兵, 王日成

关键词：梭子蟹, 图像分类, 性别识别, 特征提取, 特征融合

为了实现梭子蟹的智能化分拣，高精度的智能识别分类成为亟待开发的关键技术。首先对采集到的梭子蟹图像进行预处理和数据增强，构建出梭子蟹性别分类数据集 (Portunus gender classification dataset, PGCD)；提出一种基于多组卷积神经网络的梭子蟹性别识别方法，该方法主要使用ResNet50从图像块中提取特征，降低特征提取过程的信息损失。为了更专注地找出输入数据的有用信息，开发出一种注意力机制来强调全局特征图中的细节重要性；最后进行了一系列的参数调整，提高了网络的训练效率和分类精度。实验结果显示，该方法在PGCD上的分类准确率、召回率和查准率分别达到95.59%、94.41%和96.68%，识别错误率仅为4.41%。表明该方法具有优越的分类性能，可用于梭子蟹性别的自动分类及识别系统。

来源：2024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2024年第1期