典型文献
基于深度学习的青海湖裸鲤产卵场遥感识别方法
文献摘要：
鱼类产卵场会随着外部环境条件的改变而发生变化,因此,快速、有效地定位鱼类产卵场对于开展水生生物资源调查、珍稀水生动物保护等工作具有重要的意义.本研究基于无人机航拍影像和青海湖裸鲤(Gymnocypris przewalskii)产卵场实地调查结果,构建了深度学习模型,以分析将深度学习模型应用于青海湖裸鲤产卵场识别中的可行性.模型训练交并比精度和像素精度分别为0.870和0.996,验证交并比精度和像素精度分别为0.648和0.985,虽然精度低于一般的遥感影像或图像分割精度,但从测试的结果来看,深度学习模型可以识别到约79％的产卵场,但尚不能精确地分割出产卵场,可以作为一种辅助手段,应用到青海湖裸鲤产卵场的识别中.
文献关键词：
青海湖裸鲤;深度学习;UNet;NestedUNet;产卵场
中图分类号：
作者姓名：
李鹏程;荣义峰;杜浩;王普渊;刘文成;刁亚芹
作者机构：
中国水产科学研究院长江水产研究所,湖北武汉430223;上海海洋大学海洋科学学院,上海201306;湖北理工学院电气与电子信息工程学院,湖北黄石435003
文献出处：
引用格式：
[1]李鹏程;荣义峰;杜浩;王普渊;刘文成;刁亚芹-.基于深度学习的青海湖裸鲤产卵场遥感识别方法)[J].中国水产科学,2022(03):398-407
A类：
NestedUNet
B类：
青海湖裸鲤,遥感识别,鱼类产卵场,水生生物,生物资源,资源调查,珍稀,水生动物,动物保护,无人机航拍,航拍影像,Gymnocypris,przewalskii,实地调查,深度学习模型,模型应用,模型训练,交并比,像素,遥感影像,图像分割,割出,出产,辅助手段
AB值：
0.26414
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
