摘要
本发明公开了一种基于深度学习的浮游动物分类与计数方法、系统、设备及存储介质,该方法包括:对所述浮游动物样本进行不同深度和位置的拍照以获取所述浮游动物的图像数据;将所述图像数据进行预处理以获得预处理后的图像数据,并按照预设比例将数据划分为训练集数据、验证集数据和测试集数据;输入所述训练集数据和验证集数据对改进的卷积神经网络模型进行训练,提取特征向量;利用softmax函数输出分类概率,获得浮游动物的分类结果;基于改进的目标检测网络YOLOv5对预处理后的图像数据进行定位和计数,获得每种浮游动物的计数结果;将所述分类结果和所述计数结果进行整合,后可视化输出。提高了对浮游动物的识别和分类能力,并降低了对硬件的要求。
技术关键词
计数方法
训练集数据
卷积神经网络模型
深度学习框架
图像数据采集模块
对比度
引入注意力机制
体式显微镜
深度学习方法
可视化模块
可读存储介质
计数系统
标注工具
处理器
扁平
样本
系统为您推荐了相关专利信息
城市道路
点云
三维卷积神经网络模型
数字孪生
融合特征
快递柜柜体
自检装置
数据分析仪
PLC远程控制
蓝牙传输模块
抗性淀粉含量
卷积神经网络模型
构建卷积神经网络
构建训练集
样本
神经架构搜索
强化学习算法
神经网络结构
搜索算法
策略
耦合分析系统
电力行业应急抢修
关键节点识别
存储集群
决策