多目标跟踪监测模型

银鲑检测率超90%

监测野生鲑鱼数量的深度学习模型，在多个物种混合的情况下能准确识别银鲑和红鲑，让渔业管理能及时掌握鱼类资源。

Atlas, William I. · Sami, Ma · Yi Ching, Chou · Connors, Katrina · Daniel, Scurfield · Brandon, Nam · 马小强 · Cleveland, Mark · Janvier, Doire · Moore, Jonathan W. · Shea, Ryan · Liu, Jiangchuan

Frontiers in Marine Science 2023

参数信息

平均精度均值 (mAP)

67.6 %

银鲑种别平均精度

90 %

红鲑种别平均精度

80 %

标注视频帧数

500000

技术优势

银鲑识别率超九成

在包含多物种的标注数据上训练后，模型对银鲑的种别检测 mAP 超过 90%，减少了误计其他鱼种的可能。

红鲑识别率超八成

模型对红鲑的种别检测 mAP 超过 80%，满足大多数渔业监测的计数精度要求。

现场就能实时跑

已部署原型进行现场实时分析，无需将视频传回实验室处理，节约时间和带宽。

应用场景

• 渔业资源监测：用视频自动计数替代人工数鱼，快速估算产卵群体数量。
• 野外自动化调查：在偏远河道的鱼堰部署边缘设备，现场实时分析鱼类通过量。
• 水下视觉检测：识别水下视频中的鱼种并跟踪轨迹，替代人工回放审查。