.png){kind=icon}
返回
A two-stage 3D multi-fish tracking model using patch-based underwater stereo matching
.png){kind=icon}
PRE
AI
DOI：10.1016/j.biosystemseng.2024.12.011.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
室内循环水养殖系统由于固有的复杂性和精度要求，需要广泛应用自动监测技术。水下三维（3D）追踪对于监测鱼类至关重要。然而，在养殖环境中进行水下成像时，常常遇到图像模糊、对比度低和噪声过高等挑战。这些问题降低了立体匹配算法的有效性，进而影响了基于双目系统的水下3D追踪精度。因此，当前应用通常依赖昂贵的硬件，如Time-of-Flight（TOF）相机或结构光相机。为经济地使用双目相机实现高精度水下3D追踪，提出了一种两阶段3D多鱼追踪（TMT）模型。该模型专注于处理含鱼图像块，消除了水下图像中复杂且广泛的背景区域。这提高了立体匹配中的轮廓和空间位置精度，降低了计算需求，并简化了点云滤波。具体而言，在第一阶段，检测器和追踪器识别立体图像中的含鱼图像块。第二阶段采用一种新颖的基于图像块的水下立体匹配方法，匹配左右图像中同一条鱼的图像块，然后计算并滤波鱼的点云。定位精度评估显示，模型结果与真实值之间的平均绝对误差（MAE）在水平和垂直方向均小于2 cm，深度方向小于5 cm。此外，在为期7小时的鱼类缺氧实验中，TMT模型表现出稳定的性能，有效识别了各种鱼类行为变化。
Keyword:
Aquaculture
Deep learning
Underwater 3D tracking
Stereo matching
Automatic monitoring
期刊
IF:
5.3
论文数:
428
被引数:
1.5W
机构
引用论文
A multi-scale tracking approach for conserving large migratory fish in an open coastal environment一种用于在开放海岸环境中保护大型洄游鱼类的多尺度追踪方法
OAAI
OAAI分享收藏Abnormal Water Quality Monitoring Based on Visual Sensing of Three-Dimensional Motion Behavior of Fish.png)
SymmetryOAAI
SymmetryIF0
OAAI分享收藏Computer Vision Models in Intelligent Aquaculture with Emphasis on Fish Detection and Behavior Analysis: A Review智能水产养殖中的计算机视觉模型，重点是鱼类检测和行为分析: 综述
PREAI
分享收藏
分享收藏TOF-assisted binocular vision accuracy improvement method for underwater fish size inspection基于TOF辅助的双目视觉水下鱼类尺寸检测精度提升方法
PREAI
分享收藏
查看更多内容