信息学院（人工智能学院）课题组在动物形态信息获取领域取得新进展

近日，信息学院（人工智能学院）教师于辉辉在动物形态信息获取领域取得新进展，研究成果以“SED-RCNN-BE: A SE-Dual channel RCNN network optimized binocular estimation model for automatic size estimation of free swimming fish in aquaculture”为题，在《EXPERT SYSTEMS WITH APPLICATIONS》（中科院一区，IF=7.5）上发表。

鱼体大小是养殖鱼类最重要的形态特征之一，对实现水产养殖的有效管理起着关键作用。因此，自动、准确、实时的鱼体大小监测对提高水产养殖产量至关重要。计算机视觉技术促进了非接触式鱼体大小估计，并减少了人工消耗。然而，目前的计算机视觉估计技术在解决自由游动鱼类多尺度尺寸和多姿态变换的问题上仍存在限制，从而限制了其在水产养殖中的实际应用。因此，我们提出了一种新方法，用于促进水产养殖中自由游动鱼类的自动和精准尺寸估计，以实现生长监测。该方法包括基于 Keypoint RCNN（SE-D-KP-RCNN）网络改进的关键点检测模块以及空间匹配和空间平面曲线拟合的尺寸估计模块，通过增加注意力机制提高自由游泳鱼类关键点检测的准确性，通过立体匹配获得关键三维空间信息，并对多姿态变化的鱼体建立曲线拟合模型，用于动态鱼体高度和长度的估计。综合实验结果表明，在真实水产养殖场景下，该方法解决动态鱼体形态特征的获取。这对于帮助养殖者准确获取水下鱼类尺寸信息并提高水产养殖管理效率具有重要意义。

图1 动态鱼体尺寸测量方法流程图

该论文第一作者为信息学院（人工智能学院）于辉辉，通讯作者为中国农业大学陈英义教授。

文章链接：https://webofscience.clarivate.cn/wos/woscc/full-record/WOS:001345662400001

撰稿人：于辉辉、徐智颖

审稿人：许福