基于深度学习关键点定位的对虾形态计量与重量估计
计算机视觉与模式识别
2023-07-18 v1
摘要
准确的重量估计和形态计量分析在水产养殖中可用于优化投喂、预测收获产量、识别选择性育种所需的优良性状、分级过程以及监测生产动物的健康状况。然而，在工业规模下以传统人工方式实时收集表型数据耗时、费力且易出错。个体数字成像并随后使用深度学习(DL)训练预测模型，有潜力快速准确地获取水产物种的表型数据。在本研究中，我们应用一种新颖的 DL 方法，以黑虎虾(Penaeus monodon)作为甲壳类模型，实现重量估计与形态计量分析的自动化。该 DL 方法包含两个主要组件：一个利用 Kronecker 积运算高效结合低层与高层特征的特征提取模块；以及一个随后利用这些特征预测虾体上关键形态点(关键点)坐标的关键点定位模块。提取这些关键点后，使用基于全连接网络、以提取关键点为输入的权重回归模块估计重量。对于形态计量分析，我们利用检测到的关键点推导五种重要的对虾性状。主成分分析(PCA)也被用于识别由关键点导出的距离，这些距离被发现与体长、体宽等形状特征高度相关。我们在一个包含从澳大利亚养殖场收集的 8164 张黑虎虾(Penaeus monodon)图像的大型数据集上评估了我们的方法。实验结果表明，该新颖 DL 方法在准确性、鲁棒性和效率方面优于现有 DL 方法。
引用
@article{arxiv.2307.07732,
title = {Prawn Morphometrics and Weight Estimation from Images using Deep Learning for Landmark Localization},
author = {Alzayat Saleh and Md Mehedi Hasan and Herman W Raadsma and Mehar S Khatkar and Dean R Jerry and Mostafa Rahimi Azghadi},
journal= {arXiv preprint arXiv:2307.07732},
year = {2023}
}
备注
33 pages, 8 figures. Submitted to the Computers and Electronics in Agriculture journal