基于耳石图像与卷积神经网络的日本鲭鱼年龄分类方法

《Journal of Marine Science and Engineering》：Otolith Image-Based Age Classification of Japanese Jack Mackerel Trachurus japonicus Using Convolutional Neural Networks

　　

摘要

为进行渔业资源评估，需要可靠的年龄信息，但传统的耳石读数方法需要训练有素的人员，并且耗时较长。本研究探讨了卷积神经网络是否能够直接从日本鲭鱼Trachurus japonicus的矢状面耳石图像中，识别出人工判定的年龄类别。研究使用了0至4岁鱼类的耳石图像，对比了三种仅基于图像的模型：Inception v3、Xception和EfficientNet B4。这些模型在相同的数据划分、预处理、增强处理及评估框架下进行训练。在第一阶段，Inception v3的验证宏F1分数最高（0.933），因此被选为仅基于图像的基准模型。经过进一步优化后，该模型的验证宏F1分数达到0.944，验证精确度为0.935，同一年龄类别内的判断一致率为1.000。在独立测试集中，经过优化的仅基于图像的模型精确度为0.866，宏F1分数为0.873，同一年龄范围内的判断一致率仍为1.000。这些结果表明，耳石图像包含有用的与年龄相关的视觉信息。卷积神经网络可辅助对T. japonicus的年龄类别进行筛选，但应作为专家耳石读数的补充而非替代。这些研究结果适用于商业围网捕获的0至4岁年龄段的日本鲭鱼初步筛选，对于4岁以上年龄段的鱼类则未进行性能评估。