基于MFCC和ResNet的鱼类行为识别

作     者：胥婧雯 于红 李海清 程思奇 郑国伟 谷立帅 李响 龚德华 邢彬彬 殷雷明 XU Jingwen;YU Hong;LI Haiqing;CHENG Siqi;ZHENG Guowei;GU Lishuai;LI Xiang;GONG Dehua;XING Binbin;YIN Leiming

作者机构：大连海洋大学信息工程学院大连116023 设施渔业教育部重点实验室(大连海洋大学)大连116023 辽宁省海洋信息技术重点实验室大连116023 大连海洋大学水产与生命学院大连116023 

基　　金：辽宁省教育厅重点项目(LJKZ0729) 辽宁省重点研发计划(2020JH2/10100043) 辽宁省科技重大专项计划(2020JH1/10200002) 国家自然科学基金(31972846) 

出 版 物：《海洋信息技术与应用》 (JOURNAL OF MARINE INFORMATION TECHNOLOGY AND APPLICATION)

年 卷 期：2022年第37卷第1期

页      码：21-27页

摘      要：针对在极暗或无光条件下,采用计算机视觉手段进行鱼类行为识别效果不好的问题,本文提出了利用声音信号识别鱼类行为的方法;通过观察和试验发现鱼类的摄食、游泳等行为具有声音差异小、特征学习难等特点,基于上述发现,提出采用具有较强特征表达能力、能区别细微特征的MFCC(Mel-frequency cepstral coefficient,MFCC)特征系数表示鱼类行为声音信号特征&为有效学习不同鱼类行为的细粒度声音特征,采用残差网络(Residual Neural Network,ResNet)进行低维细节特征与高维语义特征融合,以便更好地保证特征完整性、提高识别效果。为验证所提出方法的有效性,设计了3组对比试验,用大连海洋大学鱼类行为学实验室采集的数据验证了算法的有效性,试验结果表明,鱼类行为识别的正确率、召回率和F1值均达到99%。研究表明,基于MFCC和ResNet的鱼类行为识别方法可以有效识别鱼类的游泳、摄貪等行为,为鱼类行为识别研究提供了新思路和新方法。

主 题 词：鱼类 行为识别 被动水声信号 ResNet MFCC 

学科分类：07[理学] 0707[理学-海洋科学类] 

D　O　I：10.3969/j.issn.1005-1724.2022.01.003

馆 藏 号：203111758...