基于改进ResNet50模型的大宗淡水鱼种类识别方法

万 鹏，赵竣威，朱 明，谭鹤群，邓志勇，黄毓毅，吴文锦，丁安子

（1. 华中农业大学工学院，武汉 430070；2. 农业农村部长江中下游农业装备重点实验室，武汉 430070；3. 湖北省农业科学院农产品加工与核农技术研究所，武汉 430070）

0 引 言

中国是淡水鱼养殖大国，2019年淡水鱼养殖产量2 548.02万t，占全部淡水养殖总产量的84.55%[1]。淡水鱼种类繁多，品种之间差异很大；淡水鱼的种类识别在淡水鱼的养殖、捕捞、加工等过程具有重要作用[2-4]。目前，中国淡水鱼分类主要依靠人工进行，劳动强度大、效率低、准确率不高，制约着淡水鱼养殖产业及生产加工机械化、自动化的发展[5-6]。因此，开展淡水鱼识别方法研究对于提高淡水鱼种类识别效率、研发新的种类识别装置具有重要意义。

传统的淡水鱼品种识方法研究主要通过机器视觉技术获取鱼体的图像，再通过图像处理技术对鱼体图像进行分析，提取鱼体特征值并构建模型对淡水鱼进行种类识别。这方面国内外相关研究人员开展了较多工作。张志强等[7]基于机器视觉技术获取鱼体图像，通过提取鱼体图像的颜色分量、长短轴之比等特征值，构建模型对4种淡水鱼进行种类识别，准确率可达96.67%。万鹏等[8]通过图像处理技术提取鱼体外观特征，构建BP神经网络对4种淡水鱼进行种类检测，准确率达到92.50%，平均检测时间为1.3 s。吴一全等[9]提出了一种基于Krawtchouk矩、灰度共生矩阵、多核支持向量机（Support Vector Machine，SVM）的识别方法，对5种鱼分类识别准确率可达95.83%以上。胡灿[10]通过图像处理获取鱼……