High-Accuracy Real-Time Fish Detection Based on Self-Build Dataset and RIRD-YOLOv3

CONTENIDO PARA USUARIOS REGISTRADOS

Inicia sesión para disfrutar este recurso. Si aún no estás afiliado a BibloRed, haz clic en el botón.

Descripción: Para detectar mejor los peces en un entorno de acuicultura, se propone un modelo de detección en tiempo real de alta precisión. Se recopiló un conjunto de datos experimental para la detección de peces en entornos de acuicultura de laboratorio utilizando vehículos operados de forma remota. Para superar la inexactitud del algoritmo You Only Look Once v3 (YOLOv3) en entornos de cultivo submarino, se obtuvo un conjunto adecuado de hiperparámetros a través de múltiples experimentos. Luego, se aplica un algoritmo de recuperación de imagen en tiempo real antes de YOLOv3 para reducir los efectos tanto del ruido como de la luz en las imágenes manteniendo la capacidad en tiempo real, lo que resulta en una precisión media promedio de 0.85 y una velocidad de cuadros de 17.6 fps, respectivamente. Finalmente, en comparación con el modelo base de detección que utiliza solo el algoritmo YOLOv3, el modelo de detección mejorado presentó resultados con una reducción
Citación recomendada (normas APA)
: Hindawi, "High-Accuracy Real-Time Fish Detection Based on Self-Build Dataset and RIRD-YOLOv3", -:Revista VirtualPRO,, 2021. Consultado en línea en la Biblioteca Digital de Bogotá (https://www.bibliotecadigitaldebogota.gov.co/resources/3847118/), el día 2025-09-01.

Información adicional