文献类型：期刊文献

中文题名：基于YOLOv3的南海典型鱼类水下实时监测研究

英文题名：Real-Time Underwater Monitoring of Typical Fish in the South China Sea Based on YOLOv3

作者：李光昊[1];张莹[1];刘义飞[1];莫浩铭[1]

机构：[1]广东海洋大学数学与计算机学院,湛江524088

年份：2020

卷号：26

期号：27

起止页码：52

中文期刊名：现代计算机

外文期刊名：Modern Computer

基金：广东省普通高校重点科研项目“创新强校工程”(No.2018KTSCX091);广东省大学生创新创业训练计划项目(No.S201910566086);南海环境与资源数据采集及信息服务平台构建(No.ZJW-2019-08)。

语种：中文

中文关键词：深度学习;YOLOv3算法;水下实时检测

外文关键词：Deep Learning;YOLOv3 Algorithm;Real-Time Underwater Detection

中文摘要：为了提升我国水产养殖自动化和机械化水平,针对水下自动化作业鱼类实时识别的需求,基于YOLOv3深度学习算法,通过对实采数据和爬取数据进行神经网络权重训练,实现对南海典型鱼类的水下实时监测。实验结果表明,基于YOLOv3的南海典型鱼类水下实时监测模型具有强实时性和高准确性,为提高水产养殖技术和管理的自动化水平提供一种新的手段。

外文摘要：For the demand of underwater automatic fish identification,to improve the level of aquaculture automation and mechanization in China,pro?poses a YOLOv3 algorithm based on deep learning.Through training the neural network weight of the data collected on-the-spot investiga?tion and on the Internet,it can realize real-time underwater detection of typical fish in the South China Sea.The result show that this algo?rithm is of high real time as well as precision.