萬 鵬，趙竣威，朱 明，譚鶴群，鄧志勇，黃毓毅，吳文錦，丁安子

（1. 華中農(nóng)業(yè)大學(xué)工學(xué)院，武漢 430070；2. 農(nóng)業(yè)農(nóng)村部長江中下游農(nóng)業(yè)裝備重點實驗室，武漢 430070；3. 湖北省農(nóng)業(yè)科學(xué)院農(nóng)產(chǎn)品加工與核農(nóng)技術(shù)研究所，武漢 430070）

0 引 言

中國是淡水魚養(yǎng)殖大國，2019年淡水魚養(yǎng)殖產(chǎn)量2 548.02萬t，占全部淡水養(yǎng)殖總產(chǎn)量的84.55%[1]。淡水魚種類繁多，品種之間差異很大；淡水魚的種類識別在淡水魚的養(yǎng)殖、捕撈、加工等過程具有重要作用[2-4]。目前，中國淡水魚分類主要依靠人工進(jìn)行，勞動強度大、效率低、準(zhǔn)確率不高，制約著淡水魚養(yǎng)殖產(chǎn)業(yè)及生產(chǎn)加工機械化、自動化的發(fā)展[5-6]。因此，開展淡水魚識別方法研究對于提高淡水魚種類識別效率、研發(fā)新的種類識別裝置具有重要意義。

傳統(tǒng)的淡水魚品種識方法研究主要通過機器視覺技術(shù)獲取魚體的圖像，再通過圖像處理技術(shù)對魚體圖像進(jìn)行分析，提取魚體特征值并構(gòu)建模型對淡水魚進(jìn)行種類識別。這方面國內(nèi)外相關(guān)研究人員開展了較多工作。張志強等[7]基于機器視覺技術(shù)獲取魚體圖像，通過提取魚體圖像的顏色分量、長短軸之比等特征值，構(gòu)建模型對4種淡水魚進(jìn)行種類識別，準(zhǔn)確率可達(dá)96.67%。萬鵬等[8]通過圖像處理技術(shù)提取魚體外觀特征，構(gòu)建BP神經(jīng)網(wǎng)絡(luò)對4種淡水魚進(jìn)行種類檢測，準(zhǔn)確率達(dá)到92.50%，平均檢測時間為1.3 s。吳一全等[9]提出了一種基于Krawtchouk矩、灰度共生矩陣、多核支持向量機（Support Vector Machine，SVM）的識別方法，對5種魚分類識別準(zhǔn)確率可達(dá)95.83%以上。胡燦[10]通過圖像處理獲取魚體的顏色、形態(tài)、紋理等25個特征值，采用主成分分析（Principal Component Analysis，PCA）和粒子群優(yōu)化（Particle Swarm Optimization，PSO）算法對其降維、優(yōu)化，生成極限學(xué)習(xí)機（Extreme Learning Machine，ELM）分類器對魚體進(jìn)行分類識別，準(zhǔn)確率達(dá)到96.67%。涂兵等[11]提出利用魚體背部輪廓相關(guān)系數(shù)算法對魚類進(jìn)行識別，對4種淡水魚的識別率均達(dá)到91%，但無法識別背部輪廓曲率接近的魚體。此外，White等[12]利用機器視覺技術(shù)，根據(jù)不同比目魚的傾斜度以及體長的差異建立7種比目魚種類識別模型，準(zhǔn)確率達(dá)99.8%。Larsen等[13]通過對海水魚的形態(tài)、紋理特征進(jìn)行提取，采用線性判別法（Liner Discriminant Analysis，LDA）對3類魚的108張圖像進(jìn)行分類識別，正確率達(dá)到76%。Alsmadi等[14]通過提取海水魚的顏色、紋理特征，并以BP反向傳播神經(jīng)網(wǎng)絡(luò)對20類魚進(jìn)行分類，平均識別率為84%。綜上所述可知，傳統(tǒng)的魚類品種識別主要通過圖像預(yù)處理，提取魚體的顏色、形狀、紋理、輪廓等特征[15-16]，通過構(gòu)建BP神經(jīng)網(wǎng)絡(luò)、SVM等模型進(jìn)行種類識別，特征提取復(fù)雜、且需要依賴人工進(jìn)行選擇，識別精度不高[17]，不具備可遷移性；同時只能提取魚體表層的特征，難以挖掘到深層的區(qū)別力強的特征，在不同的背景、光照等干擾下識別效果較差。

近年來，隨著深度學(xué)習(xí)算法研究的日益深入，其在識別方面顯示出了許多優(yōu)越性，在魚類的品種分類識別、檢測等領(lǐng)域也有較多研究。顧?quán)嵠降萚18]利用卷積神經(jīng)網(wǎng)絡(luò)對海水魚進(jìn)行分類識別準(zhǔn)確率達(dá)98.6%。陳英義等[19]采用遷移學(xué)習(xí)訓(xùn)練模型構(gòu)建優(yōu)化的FTVGG16模型，對遠(yuǎn)洋捕撈的海水魚進(jìn)行識別準(zhǔn)確率為95.89%。王文成等[20]提出基于ResNet50網(wǎng)絡(luò)框架的魚類圖像識別算法，對10種海水魚進(jìn)行分類識別準(zhǔn)確率達(dá)到了93.33%。Vaneeda等[21]開發(fā)了經(jīng)過合成數(shù)據(jù)訓(xùn)練的卷積神經(jīng)網(wǎng)絡(luò)，對藍(lán)鱈魚、大西洋鯡魚和大西洋鯖魚的識別精度達(dá)到94%，Banan等[22]通過搭建VGG16神經(jīng)網(wǎng)絡(luò)模型，采用5倍交叉驗證法進(jìn)行訓(xùn)練和評估對4種海水魚進(jìn)行種類識別，準(zhǔn)確率可達(dá)99.9%。深度學(xué)習(xí)算法具有自動學(xué)習(xí)、提取研究對象的顏色、輪廓等低層次特征以及內(nèi)在聯(lián)系等高層次特征的優(yōu)點，且構(gòu)建的種類識別模型具有可遷移性[23]；但是模型訓(xùn)練數(shù)據(jù)集不足、圖像背景單一等因素會導(dǎo)致模型識別率和泛化能力降低。因此研究并構(gòu)建基于深度學(xué)習(xí)的淡水魚種類識別模型，不僅能夠降低人工對于魚體特征值選擇的難度和準(zhǔn)確度，而且具有較好的遷移性，能夠適用于不同場景的檢測應(yīng)用，對提高魚體的品種識別速度，開發(fā)智能化的淡水魚分類分級裝置具有重要借鑒意義。

本文研究的目的，探索通過構(gòu)建大宗淡水魚圖像數(shù)據(jù)集，在分析深度學(xué)習(xí)中經(jīng)典ResNet50模型網(wǎng)絡(luò)結(jié)構(gòu)的基礎(chǔ)上，對ResNet50模型網(wǎng)絡(luò)進(jìn)行改進(jìn)，并對模型的相關(guān)參數(shù)進(jìn)行優(yōu)化，以期構(gòu)建適用于不同應(yīng)用場景的淡水魚種類識別方法，提高淡水魚分類分級的準(zhǔn)確率和工作效率。

1 淡水魚圖像數(shù)據(jù)的構(gòu)建及預(yù)處理

1.1 淡水魚圖像數(shù)據(jù)獲取

本文以鳙魚、鳊魚、鯉魚、鯽魚、草魚、白鰱6種大宗淡水魚為研究對象，為了獲取足夠的淡水魚圖像樣本構(gòu)建淡水魚圖像數(shù)據(jù)集，本文采用圖像采集裝置獲取具有單一背景的淡水魚圖像，同時采用從互聯(lián)網(wǎng)搜索具有干擾背景的淡水魚圖像。淡水魚圖像采集裝置如圖1所示。

淡水魚圖像采集裝置由XY水平移動平臺、轉(zhuǎn)向板、光源以及包含Matrox圖像采集卡的計算機硬件系統(tǒng)、圖像采集軟件系統(tǒng)、BASLER工業(yè)相機（德國Blaser，acA640-90gm）、鏡頭（Computar，M0814-MP2）等組成。通過XY水平移動平臺以及轉(zhuǎn)向板調(diào)節(jié)相機相對于魚體的位置，通過圖像采集軟件控制BASLER工業(yè)相機從淡水魚的正上方和傾斜45°方向獲取淡水魚圖像。為了擴(kuò)展淡水魚圖像數(shù)據(jù)集，本文分別采集魚頭朝向隨機放置的淡水魚魚體正反兩面的圖像構(gòu)建單一背景圖像數(shù)據(jù)集；同時，通過互聯(lián)網(wǎng)搜索包含有單一品種的完整淡水魚魚體及干擾背景的圖片構(gòu)建具有干擾背景圖像數(shù)據(jù)集，則淡水魚圖像數(shù)據(jù)集由單一背景圖像數(shù)據(jù)集和干擾背景圖像數(shù)據(jù)集構(gòu)成。淡水魚圖像樣本如圖2所示。

淡水魚圖像數(shù)據(jù)集中不同品種的淡水魚圖像樣本數(shù)量分布如表1所示。

表1 淡水魚圖像數(shù)據(jù)集數(shù)量分布Table 1 Quantity distribution of freshwater fish image data sets

本文構(gòu)建的淡水魚圖像數(shù)據(jù)集中，采集到的單一背景圖像樣本為2 700張；互聯(lián)網(wǎng)搜索的干擾背景圖像樣本為1 880張，兩者組成混合圖像樣本數(shù)據(jù)集為4 580張，即為淡水魚種類識別圖像數(shù)據(jù)集。

1.2 圖像預(yù)處理

為了加快網(wǎng)絡(luò)模型的訓(xùn)練和收斂速度、提升模型的準(zhǔn)確率等，需要對用于模型訓(xùn)練的圖像數(shù)據(jù)集進(jìn)行預(yù)處理。本文調(diào)用Pytorch算法工具庫對淡水魚圖像進(jìn)行空間尺度變換、張量處理及歸一化處理。其中空間尺度變換對魚體圖像進(jìn)行隨機縮放、裁剪、水平翻轉(zhuǎn)以及變換亮度、對比度等處理；張量處理將魚體圖像中像素點的單通道顏色值由[0，255]轉(zhuǎn)變成[0，1]，將圖像轉(zhuǎn)變成張量格式；最后對張量圖像進(jìn)行歸一化處理。經(jīng)預(yù)處理后，淡水魚圖像的分辨率為224像素×224像素×3通道。

2 改進(jìn)ResNet50種類識別模型的構(gòu)建及其優(yōu)化

2.1 改進(jìn)ResNet50模型的構(gòu)建

隨著神經(jīng)網(wǎng)絡(luò)深度的增加，會出現(xiàn)梯度消失、退化等問題，導(dǎo)致模型難以訓(xùn)練、錯誤率增加，包含殘差結(jié)構(gòu)的網(wǎng)絡(luò)模型能夠在很大程度上避免出現(xiàn)此種問題。因此本文選擇具有殘差結(jié)構(gòu)的ResNet50模型，并對其結(jié)構(gòu)進(jìn)行優(yōu)化后用于淡水魚種類識別研究。ResNet50模型的殘差結(jié)構(gòu)如圖3。

在3×3卷積核的前后，采用1×1的卷積核降維和升維可以減小模型的參數(shù)量。殘差結(jié)構(gòu)3a中的實線和殘差結(jié)構(gòu)3b中的虛線部分為輸入的下采樣函數(shù)，殘差結(jié)構(gòu)3a表示不改變尺寸的殘差塊，即輸出特征矩陣的高和寬不改變；殘差結(jié)構(gòu)3b為添加尺度的殘差塊，輸出特征矩陣的高和寬為輸入的一半。ResNet50模型的殘差結(jié)構(gòu)增加了輸出特征圖的維度，能夠解決梯度退化、消失問題。

以殘差結(jié)構(gòu)為基礎(chǔ)的ResNet50模型其經(jīng)典結(jié)構(gòu)及改進(jìn)后的結(jié)構(gòu)如圖4所示。

改進(jìn)后的ResNet50模型結(jié)構(gòu)和經(jīng)典ResNet50的模型結(jié)構(gòu)主體部分相同。2種模型結(jié)構(gòu)中的Input（224，224，3）均表示輸入大小為224像素×224像素×3通道的淡水魚圖像，模型網(wǎng)絡(luò)結(jié)構(gòu)左側(cè)Output（112×112× 64）表示輸出特征圖的尺寸，右側(cè)表示多層神經(jīng)網(wǎng)絡(luò)的卷積組成，如“7×7 conv, 64, /2”中卷積核的尺寸為7×7，通道數(shù)為64，步長為2。Conv Block1表示第一個卷積塊1，其中包含1個卷積層；Conv Block2_1、Conv Block3_1、Conv Block4_1、Conv Block5_1表示添加尺度的殘差塊，殘差塊的數(shù)目均為1；Conv Block2_x、Conv Block3_x、Conv Block4_x、Conv Block5_x表示不改變尺寸的殘差塊，殘差塊的數(shù)目分別為2、3、5、2。Conv Block2至Conv Block5定義為殘差塊2、3、4、5，每個殘差塊均由3個卷積層組成，即一共包含有3×(3+4+6+3)+1=49個卷積層。

神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)中Conv為卷積層，BN為批標(biāo)準(zhǔn)化操作，Pool表示最大池化層，Avg Pool表示平均池化層，F(xiàn)c為全連接層。從整體上可理解為5個卷積塊，包括1個7×7的卷積層、4個3×3的殘差塊，卷積核的數(shù)量分別為64、64、128、256、512。對于7×7卷積層，“/2”表示卷積核的移動步長為2，數(shù)據(jù)填充默認(rèn)為1，卷積層不添加偏置（bias）；批標(biāo)準(zhǔn)化BN加速網(wǎng)絡(luò)訓(xùn)練，且將BN層放在Conv和激活函數(shù)之間；對于3×3池化層，步長為2，數(shù)據(jù)填充為1。

圖4 中改進(jìn)后的ResNet50網(wǎng)絡(luò)結(jié)構(gòu)由49個卷積層和2個全連接層組成，綠色標(biāo)記為網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)之處，激活函數(shù)選擇CELU代替原始模型的ReLU；通過Kaiming正態(tài)分布初始化卷積層權(quán)重，全連接層不添加；在卷積神經(jīng)網(wǎng)絡(luò)的深度上，增加了1個全連接層Fc1，同時在Fc1和Fc2中添加Dropout。

將預(yù)處理后的圖像輸入，經(jīng)過一系列殘差塊處理后，輸出特征圖尺寸為7×7×2 048，再經(jīng)過平均池化層以及flatten展平處理后，輸出特征矩陣變?yōu)?×1×2 048，然后輸入到全連接層Fc1、Fc2，輸出特征圖的通道數(shù)分別為2 048、6，最后由Softmax分類器輸出6種淡水魚的對應(yīng)概率值，從而給出種類識別結(jié)果。

2.2 改進(jìn)ResNet50網(wǎng)絡(luò)的結(jié)構(gòu)優(yōu)化

根據(jù)圖4中改進(jìn)ResNet50模型的網(wǎng)絡(luò)結(jié)構(gòu)，需要對其激活函數(shù)及其初始化權(quán)重方式、全連接層及其Dropout、損失函數(shù)、優(yōu)化算法及其學(xué)習(xí)率衰減進(jìn)行改進(jìn)和優(yōu)化。

2.2.1 激活函數(shù)及其初始化權(quán)重方式

ReLU是神經(jīng)網(wǎng)絡(luò)中普遍使用的激活函數(shù)，特點是運算速度快、性能好，但輸入x<0時函數(shù)輸出為零，反向傳播時損失梯度消失，導(dǎo)致參數(shù)不能進(jìn)行更新，造成神經(jīng)元死亡。為解決此問題，改進(jìn)ResNet50模型選擇CELU[25]為激活函數(shù)，CELU為折點非線性且連續(xù)可微的指數(shù)平滑函數(shù)，有利于神經(jīng)網(wǎng)絡(luò)的收斂和泛化性能。CELU激活函數(shù)的計算公式如下，取α為0.075，函數(shù)輸出值對比如圖5。

Kaiming正態(tài)分布在CELU激活函數(shù)中能夠加快模型的收斂，具有較好的效果[26]，本文模型選擇Kaiming正態(tài)分布作為初始化權(quán)重方式。

2.2.2 全連接層及其Dropout

改進(jìn)ResNet50模型網(wǎng)絡(luò)結(jié)構(gòu)中增加了1個全連接層Fc1，可以通過神經(jīng)網(wǎng)絡(luò)提取更多的特征信息，同時添加Dropout能夠避免過擬合風(fēng)險，降低分類泛化誤差。將Dropout參數(shù)設(shè)置為0.5，網(wǎng)絡(luò)在訓(xùn)練過程中會隨機失活一半的神經(jīng)元；當(dāng)梯度反向傳播時，失活后斷開的神經(jīng)元將不參與參數(shù)的更新。Dropout正向傳播[27]如圖6所示，梯度由輸入神經(jīng)元傳至輸出神經(jīng)元。

2.2.3 損失函數(shù)選擇

本文選擇交叉損失熵（Cross Entropy Loss）作為改進(jìn)ResNet50模型的損失函數(shù)，其在網(wǎng)絡(luò)訓(xùn)練時梯度更大，網(wǎng)絡(luò)優(yōu)化更快。表達(dá)式為

式中Loss表示損失函數(shù)；M表示樣本數(shù)，N表示類別數(shù)；pij表示標(biāo)簽的真實值中第i個樣本的第j個類別的概率分布值；qij表示網(wǎng)絡(luò)的預(yù)測值中第i個樣本的第j個類別的概率分布值。

2.2.4 優(yōu)化器及其學(xué)習(xí)率衰減

學(xué)習(xí)率決定了神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)進(jìn)度，可以控制網(wǎng)絡(luò)模型權(quán)重的更新比率。Adam優(yōu)化算法[28]在損失梯度更新時，能夠為神經(jīng)網(wǎng)絡(luò)設(shè)置自適應(yīng)的學(xué)習(xí)率。本文中改進(jìn)ResNet50網(wǎng)絡(luò)模型選擇Adam優(yōu)化算法，默認(rèn)學(xué)習(xí)率為0.001，指數(shù)衰減率β1、β2分別為0.9、0.999，除零誤差項ε=1×10-8。

同時，學(xué)習(xí)率衰減可以極大提高Adam優(yōu)化算法的性能[29]，在改進(jìn)ResNet50模型中，選擇余弦退火（Cosine Annealing）衰減學(xué)習(xí)率，并將其參數(shù)T_max設(shè)置為迭代次數(shù)的大小，在網(wǎng)絡(luò)訓(xùn)練過程中隨著網(wǎng)絡(luò)迭代次數(shù)的增加逐步減小，網(wǎng)絡(luò)收斂更快。

3 改進(jìn)ResNet50種類識別模型的訓(xùn)練與評估

3.1 模型的訓(xùn)練環(huán)境

本文中模型訓(xùn)練的試驗環(huán)境為：基于Python3.6編程語言的Pytorch深度學(xué)習(xí)框架，操作系統(tǒng)為Windows 10，GPU為內(nèi)存4GB的英偉達(dá)GTX1050Ti，同時使用CUDA平臺加速網(wǎng)絡(luò)訓(xùn)練，基礎(chǔ)配置為Anaconda3、PyCharm。

3.2 單次驗證方法

將數(shù)據(jù)集劃分為訓(xùn)練集和測試集，比例分別為75%、25%，通過訓(xùn)練集訓(xùn)練模型，在測試集上評估模型的性能，稱之為單次驗證的普通驗證方法。單次驗證方法通過對模型訓(xùn)練一次，能夠更快速的得出訓(xùn)練結(jié)果并優(yōu)化出超參數(shù)。

3.3 四折交叉驗證

利用構(gòu)建的淡水魚圖像數(shù)據(jù)集，對ResNet50模型訓(xùn)練后，需要對模型的識別準(zhǔn)確率、損失、檢測時間等進(jìn)行評估。交叉驗證是一種模型訓(xùn)練和評估方式，它將數(shù)據(jù)集劃分后，圖像樣本在訓(xùn)練和測試過程中被重復(fù)使用，構(gòu)成多組互不相交的訓(xùn)練集和測試集[30]。K折交叉驗證中K的選擇與數(shù)據(jù)集大小有關(guān)，其計算公式為

式中n表示數(shù)據(jù)集大小。

本文中淡水魚樣本圖像數(shù)據(jù)集大小為4 580，因此K值取4，劃分的每個數(shù)據(jù)集的大小為1 145，即訓(xùn)練集和測試集的比例分別為75%、25%。四折交叉驗證方法如圖7。

四折交叉驗證方法將整個數(shù)據(jù)集隨機劃分為D1、D2、D3、D4四個子數(shù)據(jù)集，之間無交集且樣本數(shù)量相同。依次從4個數(shù)據(jù)集中選擇1個作為測試集，另外3個作為訓(xùn)練集；然后進(jìn)行4次獨立的模型訓(xùn)練和測試過程，最后將4次模型的測試結(jié)果取平均值，作為此模型的泛化誤差。使用四折交叉驗證能夠?qū)Ψ夯`差有更好的近似，對模型的預(yù)測性能給出公正的評估。

3.4 網(wǎng)絡(luò)訓(xùn)練過程

引入遷移學(xué)習(xí)機制訓(xùn)練模型，將大數(shù)據(jù)集ImageNet上預(yù)訓(xùn)練的模型權(quán)重遷移到種類識別模型的訓(xùn)練過程中。由于深度學(xué)習(xí)中的圖像等數(shù)據(jù)集龐大，遷移學(xué)習(xí)能夠加速網(wǎng)絡(luò)模型收斂，增強分類模型的準(zhǔn)確率。

針對改進(jìn)ResNet50模型在不同種類和不同超參數(shù)模型上的對比，選擇單次驗證方法訓(xùn)練和評估模型的性能。針對改進(jìn)ResNet50網(wǎng)絡(luò)模型在不同數(shù)據(jù)集上的對比，采用四折交叉驗證方法來訓(xùn)練和評估模型的性能。模型的訓(xùn)練流程如圖8。

具體訓(xùn)練過程如下：

通過Pytorch深度學(xué)習(xí)框架中數(shù)據(jù)集加載方式，加載ResNet50-pre.pth預(yù)訓(xùn)練模型，從訓(xùn)練集中每次抽取的圖像數(shù)量為批大?。╞atch size）。利用Adam優(yōu)化算法和余弦退火來調(diào)整每個迭代次數(shù)（epoch）的學(xué)習(xí)率（learning rate），使其隨著迭代次數(shù)逐漸減小。每批次樣本在梯度下降時更新一次參數(shù)，迭代次數(shù)設(shè)置為60。

在訓(xùn)練集上對改進(jìn)ResNet50進(jìn)行訓(xùn)練，在測試集上獲得每個迭代次數(shù)的模型測試結(jié)果。交叉損失熵函數(shù)使得損失逐漸減小，準(zhǔn)確率逐漸增加。

經(jīng)過60個迭代次數(shù)后網(wǎng)絡(luò)會逐步收斂，直至訓(xùn)練和測試的損失、準(zhǔn)確率穩(wěn)定。由于每次訓(xùn)練時模型損失或準(zhǔn)確率曲線在不同的迭代次數(shù)下有波動，因此保存測試準(zhǔn)確率最高的模型權(quán)重，同時得到損失和準(zhǔn)確率曲線。

4 改進(jìn)ResNet50模型的超參數(shù)優(yōu)化

4.1 學(xué)習(xí)率的選擇

Adam優(yōu)化算法中學(xué)習(xí)率設(shè)置過小，模型收斂速度較慢；設(shè)置過大則出現(xiàn)不收斂狀態(tài)，損失函數(shù)會錯過最優(yōu)解[31]。選擇初始批大小為16，由于Adam優(yōu)化算法中學(xué)習(xí)率默認(rèn)值為0.001，因此取不同數(shù)量級的參數(shù)值，比較學(xué)習(xí)率為0.01、0.001、0.000 1、0.000 01時模型的訓(xùn)練效果。依次對學(xué)習(xí)率進(jìn)行粗調(diào)和微調(diào)，學(xué)習(xí)率調(diào)節(jié)時對損失值和準(zhǔn)確率的影響如圖9所示。

由圖9可知，學(xué)習(xí)率為0.01、0.001時模型不收斂和收斂緩慢，且損失值較大；學(xué)習(xí)率為0.000 01時模型收斂比0.000 1較快，但在最后的損失偏高，故學(xué)習(xí)率為0.000 1時收斂效果較好。

由于學(xué)習(xí)率為0.000 1、0.000 01時訓(xùn)練結(jié)果相差不大，故對其進(jìn)行微調(diào)，設(shè)置初始學(xué)習(xí)率為0.000 01、0.000 03、0.000 05、0.000 1、0.000 3、0.000 5，比較模型的訓(xùn)練效果。由圖9 b、圖9 c可知，學(xué)習(xí)率為0.000 03、0.000 05、0.000 1時，模型收斂較快，且收斂穩(wěn)定后損失較低。當(dāng)網(wǎng)絡(luò)迭代至50后，學(xué)習(xí)率為0.000 1時測試準(zhǔn)確率最高，因此選擇學(xué)習(xí)率為0.000 1。

4.2 批大小的選擇

批大小對神經(jīng)網(wǎng)絡(luò)模型性能的影響不如學(xué)習(xí)率敏感，但進(jìn)一步提升神經(jīng)網(wǎng)絡(luò)性能時，就要考慮批大小對模型性能的影響。確定了學(xué)習(xí)率為0.000 1后，不同的批大小對損失和準(zhǔn)確率的影響如圖10所示。

由圖10可知，當(dāng)批大小為8、64時損失較大，當(dāng)批大小為32、64時模型訓(xùn)練所需的內(nèi)存不足，出現(xiàn)內(nèi)存溢出現(xiàn)象；當(dāng)批大小為16時模型收斂較快，能獲得較高的準(zhǔn)確率，因此選擇批大小為16。

5 結(jié)果與分析

5.1 不同神經(jīng)網(wǎng)絡(luò)模型對比

本文利用包含單一背景圖像和干擾背景圖像的淡水魚圖像數(shù)據(jù)集對改進(jìn)的ResNet50模型進(jìn)行訓(xùn)練，并與其他模型進(jìn)行對比。采用單次驗證法，將淡水魚圖像數(shù)據(jù)集按照75%、25%劃分為訓(xùn)練集和測試集，即包含淡水魚圖像3 435、1 145張。不同模型的預(yù)處理方式、初始化權(quán)重、優(yōu)化算法等基本設(shè)置保持相同，迭代次數(shù)為60，學(xué)習(xí)率和批大小分別取0.000 1和16，使用遷移學(xué)習(xí)進(jìn)行模型訓(xùn)練，則不同模型的種類識別結(jié)果對比如表 2所示。

表2 不同模型的種類識別結(jié)果對比Table 2 Comparison of the results of different kinds of models

從表2可知：

1）改進(jìn)ResNet50模型在訓(xùn)練時間上比VGG16、VGG19分別減小29.86、52.02 s，準(zhǔn)確率比VGG16、VGG19分別提升3.5%、3.93%，平均檢測時間比VGG16、VGG19分別減小0.327 9、0.431 8 s。由于VGG網(wǎng)絡(luò)模型的浮點運算量較大，網(wǎng)絡(luò)模型較復(fù)雜，因此改進(jìn)ResNet50比VGG各方面都要優(yōu)秀。

2）改進(jìn)ResNet50模型的準(zhǔn)確率比AlexNet、GoogleNet準(zhǔn)確率高5.77%、2.09%，在識別準(zhǔn)確率上優(yōu)勢明顯。

3）改進(jìn)ResNet50模型平均檢測時間、訓(xùn)練時間比經(jīng)典ResNet50模型分別增加0.029 8、15.89 s，但測試準(zhǔn)確率為96.94%，準(zhǔn)確率提升1.22%；單張圖像樣本的平均檢測時間為0.234 5 s，使用該模型不會明顯增加檢測所需時間。同時，在本文研究中，種類識別對測試準(zhǔn)確率的評估優(yōu)要先于平均檢測速度。因此本研究中改進(jìn)ResNet50模型的結(jié)構(gòu)和激活函數(shù)等優(yōu)化方式可以使模型獲得更好的種類識別效果。

5.2 改進(jìn)ResNet50模型在不同數(shù)據(jù)集上對比

通過構(gòu)建的淡水魚圖像數(shù)據(jù)集，分別使用單一背景圖像數(shù)據(jù)集、干擾背景圖像數(shù)據(jù)集以及包含單一背景圖像和干擾背景圖像的淡水魚圖像數(shù)據(jù)集對改進(jìn)ResNet50模型進(jìn)行訓(xùn)練和測試，模型的訓(xùn)練和評估方式采用四折交叉驗證。單一背景圖像數(shù)據(jù)集中，訓(xùn)練集和測試集的大小分別為2 025、675；干擾背景圖像數(shù)據(jù)集中，訓(xùn)練集和測試集的大小分別為1 410、470；淡水魚圖像數(shù)據(jù)集中，訓(xùn)練集和測試集的大小分別為3 435、1 145，結(jié)果如表3所示。

表3 改進(jìn)ResNet50模型在不同數(shù)據(jù)集種類識別結(jié)果對比Table 3 Comparison of species recognition results of improved ResNet50 in different data sets

從表3可知：

1）在單一背景圖像數(shù)據(jù)集上，模型測試準(zhǔn)確率達(dá)到100%，訓(xùn)練和測試損失分別為0.042 3、0.000 1。說明模型網(wǎng)絡(luò)收斂充分，對單一背景下淡水魚的識別效果較好，適用于具有單一背景的淡水魚種類識別和分級任務(wù)。

2）在干擾背景圖像數(shù)據(jù)集上，模型測試準(zhǔn)確率為91.17%，訓(xùn)練和測試損失分別為0.281 1、0.398 2，相比其他2種數(shù)據(jù)集上準(zhǔn)確率較低、損失較大，說明數(shù)據(jù)集數(shù)量小容易導(dǎo)致網(wǎng)絡(luò)收斂不足。

3）在淡水魚圖像數(shù)據(jù)集上，模型測試準(zhǔn)確率達(dá)到96.20%，訓(xùn)練和測試損失分別為0.087 9、0.184 8。相比干擾背景圖像數(shù)據(jù)集的種類識別效果，模型識別準(zhǔn)確率顯著提升5.03%，說明擴(kuò)充數(shù)據(jù)集后，模型的泛化能力和魯棒性增強，適用于具有單一背景、干擾背景的淡水魚種類識別和分級任務(wù)。

5.3 混淆矩陣對種類識別結(jié)果可視化分析

混淆矩陣在評判分類模型的優(yōu)劣和分類性能時具有較好的顯示性[22]，在淡水魚種類識別上可以顯示出識別錯誤的魚體的數(shù)量。分別利用包含6種淡水魚樣本圖像的淡水魚圖像數(shù)據(jù)集及單一背景圖像數(shù)據(jù)集對改進(jìn)的ResNet50模型進(jìn)行訓(xùn)練，對不同應(yīng)用場景下模型的識別效果進(jìn)行可視化分析，在混淆矩陣中呈現(xiàn)的結(jié)果如圖11所示。

觀察2種混淆矩陣，淡水魚圖像數(shù)據(jù)集上，識別出的淡水魚數(shù)量基本分布在對角線上，出現(xiàn)個別偏差；單一背景圖像數(shù)據(jù)集上，每類淡水魚的識別結(jié)果均分布在對角線上，說明可以成功識別出所有淡水魚類別。

混淆矩陣中衡量模型性能的指標(biāo)通常有準(zhǔn)確率（Accuracy）、精確度（Precision）、召回率（Recall）和F1分?jǐn)?shù)（F1 score），公式如下

式中TP表示淡水魚樣本為真實種類，模型識別為正確的種類的數(shù)量；FN表示淡水魚樣本為真實種類，模型識別為錯誤的種類的數(shù)量；FP表示淡水魚樣本為錯誤種類，模型識別為正確的種類的數(shù)量；TN表示淡水魚樣本為錯誤種類，模型識別為錯誤的種類的數(shù)量。準(zhǔn)確率為所有樣本被正確分類的概率，即為模型整體的識別準(zhǔn)確率；精確度表示所有預(yù)測類別中，模型預(yù)測正確的比例；召回率表示所有真實類別中，模型預(yù)測正確的比例；F1分?jǐn)?shù)是精確率和召回率的綜合評價指標(biāo)，在兩者中間取得了很好的平衡。

根據(jù)圖11中混淆矩陣，得到不同數(shù)據(jù)集上6種淡水魚種類識別試驗結(jié)果如表4所示。

表4 不同數(shù)據(jù)集上淡水魚種類識別試驗結(jié)果Table 4 Experimental results of freshwater fish species identification under the different data set

由表4分析得出結(jié)論：

1）在淡水魚圖像數(shù)據(jù)集上訓(xùn)練模型，模型的精確度、召回率和F1分?jǐn)?shù)都比較高，160個鳙魚樣本中有9個識別錯誤，150個鯉魚樣本中有10個識別錯誤，這兩類的識別效果相對有偏差，但整體的準(zhǔn)確率達(dá)到了96.94%，即表2中改進(jìn)ResNet50的準(zhǔn)確率，說明模型識別準(zhǔn)確率較高。

2）在單一背景圖像數(shù)據(jù)集上訓(xùn)練模型，由于圖像的背景干擾很小，因此精確度、召回率和F1分?jǐn)?shù)都達(dá)到了100%，說明ResNet50模型對單一背景淡水魚的識別準(zhǔn)確率為100%，模型識別效果優(yōu)秀。

這表明改進(jìn)ResNet50模型性能優(yōu)越，能夠適用于單一背景下及干擾背景下魚體的種類識別。

5.4 卷積層輸出特征可視化

為了進(jìn)一步說明本文改進(jìn)ResNet50模型中卷積層的工作原理，根據(jù)圖4中改進(jìn)ResNet50模型的網(wǎng)絡(luò)結(jié)構(gòu)，分別對卷積塊1和殘差塊2、3、4、5的最后一個卷積層進(jìn)行輸出特征可視化，結(jié)果如圖12所示。

由圖12可知，由卷積塊1到卷積塊5的最后一個卷積層，神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)、提取的特征信息由整體至局部不斷細(xì)化。圖12 b、圖12 c中Conv Block1_conv1、Conv Block 2_3_conv3卷積層保留了大部分原始魚體的圖像信息；圖12 d、圖12 e中卷積層Conv Block 3_4_conv3、Conv Block 4_6_conv3的卷積核，對顏色、邊緣形成的部分紋理進(jìn)行了描述，更多地表達(dá)圖像的線條、輪廓等抽象特征；圖12 f中最后一個卷積層Conv Block 5_3_conv3的卷積核提取圖像的紋理和特定信息，僅僅保留了圖像的高階像素信息。通過對卷積層的輸出特征進(jìn)行可視化，能夠反映卷積層提取特征的過程和原理，以及神經(jīng)網(wǎng)絡(luò)底層的特征信息。

6 結(jié) 論

本文提出了一種基于改進(jìn)ResNet50模型的淡水魚種類識別方法，以鳊魚、鳙魚、鯉魚、鯽魚、草魚、白鰱6種大宗淡水魚為研究對象，搭建基于機器視覺的淡水魚圖像采集系統(tǒng)獲取單一背景的淡水魚圖像2 700 張，同時基于互聯(lián)網(wǎng)搜索6種淡水魚圖像1 880張，構(gòu)建了淡水魚種類識別圖像數(shù)據(jù)集。以Pytorch為深度學(xué)習(xí)框架，在經(jīng)典ResNet50基礎(chǔ)上，增加全連接層Fc1以及Dropout、引入遷移學(xué)習(xí)進(jìn)行模型訓(xùn)練、選擇CELU為激活函數(shù)、使用Adam優(yōu)化算法更新梯度并嵌入了余弦退火方法衰減學(xué)習(xí)率等對6種淡水魚進(jìn)行種類識別。主要結(jié)論如下：

1）在單次驗證方法下，選用包含單一背景圖像和干擾背景圖像的淡水魚圖像數(shù)據(jù)集對改進(jìn)ResNet50模型進(jìn)行訓(xùn)練，學(xué)習(xí)率為0.000 1、批大小為16；對淡水魚種類進(jìn)行識別準(zhǔn)確率可達(dá)到96.94%，相比經(jīng)典ResNet50模型提高了1.22%，對單張淡水魚圖像樣本的平均檢測時間為0.234 5 s。

2）通過四折交叉驗證方法對比研究了不同場景下的識別效果，單一背景圖像數(shù)據(jù)集下模型識別準(zhǔn)確率可達(dá)100%，淡水魚圖像數(shù)據(jù)集下模型識別準(zhǔn)確率為96.20%，說明模型泛化能力較強，適用于不同背景下的應(yīng)用。

3）通過混淆矩陣對種類識別結(jié)果可視化分析，在淡水魚圖像數(shù)據(jù)集上訓(xùn)練模型，整體的預(yù)測準(zhǔn)確率達(dá)到了96.94%；在單一背景數(shù)據(jù)集上訓(xùn)練模型時，每類淡水魚的精確度、召回率和F1分?jǐn)?shù)均可達(dá)到100%。進(jìn)一步驗證了改進(jìn)ResNet50模型的性能優(yōu)越，能夠應(yīng)用于不同背景下的6種淡水魚種類識別。