我要投稿 查看投稿进度
学术期刊
在线客服
客服电话：400-188-5008
客服邮箱：service@ccnpub.com
投诉举报：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享

请选择 目标期刊

具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法 下载：22 浏览：265

李鹏龙1,2 张胜茂2 沈烈1 樊伟2 顾家辉1 邹国华3 《中国水产学报》 2024年3期

摘要:
为了检测观赏鱼类的行为及其健康状况，设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存，添加了新的视觉通用变换器BiFormer以提升计算效率，并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明：使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果，慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明，本文中设计的YOLOv8n-BiFormer模型具有通用性，在检测和追踪血鹦鹉和慈鲷目标方面均表现优异，消耗的计算资源较少，可部署在水族箱监控系统中，为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法 下载：19 浏览：259

李鹏龙1,2 张胜茂2 沈烈1 樊伟2 顾家辉1 邹国华3 《中国水产学报》 2024年3期

摘要:
为了检测观赏鱼类的行为及其健康状况，设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存，添加了新的视觉通用变换器BiFormer以提升计算效率，并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明：使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果，慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明，本文中设计的YOLOv8n-BiFormer模型具有通用性，在检测和追踪血鹦鹉和慈鲷目标方面均表现优异，消耗的计算资源较少，可部署在水族箱监控系统中，为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

血鹦鹉家系的体型性状判别分析及遗传差异分析 下载：45 浏览：475

李春艳1 吴会民1 李婵2 刘肖莲1 白晓慧1 张先光3 付志茹1 姜巨峰1 《中国水产学报》 2018年3期

摘要:
为揭示不同体型血鹦鹉家系（Vieja synspila Hubbs♀×Amphilophus citrinellus Gunther♂）的种质差异,对不同血鹦鹉家系开展体型性状判别分析及遗传差异分析。采用SPSS 21.0软件对血鹦鹉家系进行判别分析并建立判别函数,利用6对微卫星标记检测血鹦鹉家系的遗传多样性,通过广义线性模型（GLM）筛选与经济性状显著相关的标记,利用Duncan’s多重比较分析不同基因型之间的差异。结果表明:利用判别分析法建立的判别函数较为成功,判别准确率为95%;6个微卫星标记均能在2个血鹦鹉家系中扩增出清晰稳定的条带,扩增片段大小为174～416 bp;各个位点的有效等位基因数（Ne）为1.032～3.908,期望杂合度（He）为0.031～0.756,观测杂合度（H_o）为0.031～0.969,多态信息含量（PIC）为0.030～0.696,YT家系的遗传多样性水平高于JT家系;分子标记Vsac05与体长/体高和全长/体高显著相关（P<0.05）;多重比较结果表明,该标记的AC、AD、BC基因型只在YT家系中出现,等位基因C（375 bp）是YT家系特有的基因。研究表明,分子标记Vsac05可用于血鹦鹉分子育种,以提高血鹦鹉鱼的优级率。
[1/1]
|<
<
1
>
>|
在线客服：：点击联系客服
联系电话：：400-188-5008
客服邮箱：：service@ccnpub.com
投诉举报：：feedback@ccnpub.com
人工客服

工作时间（9：00-18：00）
官方公众号

科技成果·全球共享