Page 118 - 《渔业研究》2026年第1期
P. 118

第 1 期                    赵亚宁等: 基于计算机视觉的大黄鱼个体身份识别                                       115

              评估阈值敏感性,进一步将阈值下调至                   0.4,识别       的测试准确率分别为           93.00%、87.00%、89.00%、
              准确率仍保持稳定(95.20%) ,表明模型在适度阈                       87.00%  和  89.00%;FL_200tl 分别为  86.00%、80.50%、
              值波动范围内具有决策鲁棒性。                                   82.50%、82.50%  和  83.00%;FL_100tl 和  FL_200tl 的
                  本研究通过      5  次重复实验,系统评估模型鲁棒                 平均测试准确率分别为(89.00±2.45)%           和(82.90±
              性:将上述实验作为首次实验,设定匹配相似度阈                           1.98)%(表   3) 。


              值为   0.4,识别准确率为       95.20%;后续    4  组实验采                   表 3    中长期模型识别结果
              用独立随机抽样策略,每次从全群体中抽取                    500  尾        Tab. 3    Results of medium-to-long-term model
              个体(跨实验允许个体重复) ,并以该批个体单侧                                            recognition
              图像构建检索特征库,同时利用同批个体另一侧图                                结果       100  尾中长期识别模型200  尾中长期识别模型
              像(n=500)作为测试集,每次实验均使用排除当                              Results       FL_100tl       FL_200tl
                                                                        双侧面
              前测试个体后的        3 480  张图像重新训练模型(训练                        Bilateral  89.00±2.45   82.90±1.98
              集可能包含其他实验批次个体数据,但严格隔离当                           准确率/%    侧面  1    84.20±3.56     77.70±3.23
                                                               Accuracy rate Side 1
              前测试个体) 。5        次实验的平均识别准确率为                             侧面  2    84.20±4.76     74.50±1.41
              (94.84±1.02)%(表     2) 。由此可见,尽管测试                         Side 2
              个体存在跨实验重叠的可能性,但模型在不同数据                                    双侧面      11.00±2.45     17.10±1.98
                                                                        Bilateral
              子集和成像视角下仍保持稳定高精度,证实其泛化                           误识率/%    侧面  1
                                                               Error rate  Side 1  15.80±3.56   22.30±3.23
              能力不受抽样的随机性影响。
                                                                        侧面  2
                                                                                 15.80±4.76     25.50±1.41
                        表 2    短期识别模型重复实验结果                             Side 2

                 Tab. 2    Repeated experiment results of short-term
                                                                   本研究还进一步研究了仅利用一侧图片进行个
                              recognition model
                                                               体识别的效果,当置信度设置为               0.4  时,单独使用
                组别 Groups  准确率/% Accuracy rate  误识率/% Error rate
                                                               任何一个侧面识别准确率均有所降低。在识别个体
                组  1 Group 1     95.20            4.80
                                                               数为  100  时,仅用一个侧面的识别准确率最低降
                组  2 Group 2     93.20            6.80
                                                               至  83.00%,比用双侧面识别的准确性降低               6.00%。
                组  3 Group 3     94.80            5.20
                                                               当识别个体数为       200  时,仅用一个侧面的个体识别
                组  4 Group 4     95.00            5.00
                                                               准确率降低了       3.00%~8.50%。上述研究均进行了
                组  5 Group 5     96.00            4.00
                                                               5  次重复实验,结果表明(表            3)在实际应用时,
                平均值 Mean       94.84±1.02       5.16±1.02
                                                               应尽可能采集和利用双侧面图像信息。

               3.3 中长期识别结果
                                                                4 讨论
                  在育种生产中,需要利用             7  周后的图片识别
              7  周前的图片个体,在此期间个体体态发生了明显                             本研究系统地评估了鱼类个体识别中                3  个关键
              改变,增加了识别难度。本研究采用时序特征对比                           因素对模型性能的影响。在图像采集方法上,麻醉
              的识别策略,首先基于特征学习模型提取个体在                            状态下的图像采集(参考大西洋鲑鱼个体识别研
              7  周前的图像特征,建立基准检索特征库。随后,                         究 [21] )通过精确控制光照、背景和鱼体姿态,显
              对  7  周后采集的个体双侧面图像进行独立特征提                        著提升图像可用性;清醒状态实验表明,剧烈挣扎
              取与相似度匹配,分别获取侧面               1、侧面    2  图像的      导致图像模糊率高,且应激反应引发短期摄食量下
              候选识别结果及其置信度值。最终,通过置信度对                           降,证实麻醉方法的生物学必要性。在特征学习层
              比机制,选取双侧面识别结果中置信度更高的个                            面,双侧面图像因完整大黄鱼独特的侧线鳞片排列
              体  ID  作为最终判定结果。用于           100  尾和  200  尾测    模式、背鳍形态特征以及体表斑纹分布等关键生物
              试个体的模型       FL_100tl 和  FL_200tl 的测试准确率         标识信息,使模型准确率达             86.00%(N=200) ,而
              分别为    86.00%  和  78.50%,当置信度阈值降低至               背腹面图像因体位固定困难及腹部反光干扰,即使

              0.4  时,准确率分别提高至          89.00%  和  83.00%。采     融合双侧面数据(FL_dvb         模型) ,仍存在特征空
              用和短期识别模型相同的重复实验策略,在                       0.4    间冲突,模型准确率仅为            10.78%,因此实际应用
              的置信度阈值下,又进行            4  次重复实验。FL_100tl         中应优先考虑使用双侧面图像。候选个体规模分析
   113   114   115   116   117   118   119   120   121   122   123