.png){kind=icon}
返回
High-density fish counting in cages using density-guided cluster optimization network
.png){kind=icon}
PRE
AI
DOI：10.1016/j.eswa.2025.130508.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
鱼类计数对于平衡智能水产养殖系统中的放养密度和资源浪费至关重要。现有的计数方法仍受限于固定感受野和多层次特征利用不足所导致的尺寸不一致引发的误检问题。本研究提出了一种基于点的鱼类计数网络——密度引导聚类优化网络（DGCON），通过跨分辨率交互和分布感知整合，实现在高密度网箱中的精确鱼类计数。在DGCON中，多分辨率交互利用尺度互补融合缓解了对大鱼的漏检，点分布选择模块（PDSM）通过稀疏密度划分来区分大鱼点。基于分布的点稀疏化采用聚类优化模块（CRM）结合全局邻近合并，以减轻对小鱼的重复估计。DGCON在平均绝对误差为7.54和均方误差为9.99方面优于主流计数方法。可视化热图证明PDSM有效突出了大鱼存在的高响应稀疏区域，而CRM的残差图则通过最小残差波动展示了同一鱼类的检测一致性。DGCON实现了高密度网箱中的高精度鱼类计数，并支持鱼群实时监控以及投喂策略的优化。
期刊
IF:
7.5
论文数:
3.0W
被引数:
10.2W
机构
引用论文
暂无论文信息