公开(公告)号：CN109902761B

公开(公告)日：2020-11-10

申请号：CN201910204182.7

申请日：2019-03-18

Applicant: 上海海洋大学

Inventor： 袁红春 ,  陈冠奇 ,  张天蛟 ,  黄俊豪 ,  高子玥

IPC: G06K9/62 ,  G06Q10/04 ,  G06Q50/02

Abstract: 本发明提供一种基于海洋环境因子融合和深度学习的渔情预测方法，包括步骤：S1：获取海洋环境因子数据和渔场作业数据；S2：对海洋环境因子数据和渔场作业数据进行预处理；S3：对预处理数据集进行图像合成，获得环境因子图片集和渔场数据图片集；S4：对渔场数据图片集进行标注，获得标注图片集；S5：利用环境因子图片集和标注图片集生成训练数据集和验证数据集；S6：建立一Mask R‑CNN模型并利用训练数据集训练Mask R‑CNN模型；S7：利用验证数据集验证训练后模型的精确度。本发明的一种基于海洋环境因子融合和深度学习的渔情预测方法，可实现渔场区域的自动检测，减少了人为干预，可省去不同参数的权重的步骤，同时保证结果的准确性。

公开(公告)号：CN109902761A

公开(公告)日：2019-06-18

申请号：CN201910204182.7

申请日：2019-03-18

Applicant: 上海海洋大学

Inventor： 袁红春 ,  陈冠奇 ,  张天蛟 ,  黄俊豪 ,  高子玥

IPC: G06K9/62 ,  G06Q10/04 ,  G06Q50/02

Abstract: 本发明提供一种基于海洋环境因子融合和深度学习的渔情预测方法，包括步骤：S1：获取海洋环境因子数据和渔场作业数据；S2：对海洋环境因子数据和渔场作业数据进行预处理；S3：对预处理数据集进行图像合成，获得环境因子图片集和渔场数据图片集；S4：对渔场数据图片集进行标注，获得标注图片集；S5：利用环境因子图片集和标注图片集生成训练数据集和验证数据集；S6：建立一Mask R-CNN模型并利用训练数据集训练Mask R-CNN模型；S7：利用验证数据集验证训练后模型的精确度。本发明的一种基于海洋环境因子融合和深度学习的渔情预测方法，可实现渔场区域的自动检测，减少了人为干预，可省去不同参数的权重的步骤，同时保证结果的准确性。