Применение нейронных сетей в системе распознавания промысловых гидробионтов в условиях повышенной флуктуации

Рассматривается вопрос применения искусственных нейронных сетей для распознавания промысловых гидробионтов в условиях повышенной флуктуации. Для решения прикладных задач и достижения необходимых показателей в области распознавания объектов аквакультуры исследования до сих пор не проводились. Описывается реализация разработки программного обеспечения для распознавания объектов аквакультуры на основе модели YOLOv5, а также собственной методики полуавтоматического формирования эффективных визуальных обучающих выборок. Проанализирована схема работы модели, обоснована важность обучающей выборки и ее влияние на качество распознавания образов нейронной сетью. Для эффективного распознавания гидробионтов требуются способы разделения изображения на зоны по различным отличительным чертам и отделения требуемых объектов не только от фона, но и с учетом флуктуаций, находящихся на поверхности воды. Разработан метод устранения флуктуаций для повышения эффективности распознавания гидробионтов нейронной сетью. Описано тестирование программного обеспечения для детектирования промысловых гидробионтов, обученного на выборке предложенным методом выделения объектов на изображении и формирования XML-кода. Сделан вывод о том, что скорость распознавания напрямую зависит не только от качества обучающей выборки и объема изображений, но и от технических характеристик электронной вычислительной машины.