基于卷积神经网络的生物式水质监测方法
生物式水质监测通常是先通过提取水生物在不同环境下的应激反应特征，再进行特征分类，从而识别水质。针对水质监测问题，提出一种使用卷积神经网 (CNN)的方法。鱼类运动轨迹是当前所有文献使用的多种水质分类特征的综合性表现，是生物式水质分类的重要依据。使用 Mask-ＲCNN 的图像分割方法，取鱼体的质心坐标，并绘制出一定时间段内鱼体的运动轨迹图像，制作正常与异常水质下两种轨迹图像数据集。融合 Inception-v3网络作为数据集的特征预处部分，重新建立卷积神经网络对 Inception-v3 网络提取的特征进行分类。通过设置多组平行实验，在不同的水质环境中对正常水质与异常水质进行分类。结果表明，卷积神经网络模型的水质识别率为 99. 38%，完全达到水质识别的要求。
文件下载
评论信息
其他资源
- MATLAB有限元分析与应用
- 博弈论与机制设计.rar
- matlab画出高斯脉冲以及其功率谱
- Zemax玻璃库
- C#程序基于Moravec算子提取特征点详细代码
- exe解包工具
- s905L使用的dtb和安卓切换工具.zip
- kflash_gui_v1.5_windows.7z
- 软件工厂简介
- 安全处2009年质量目标展开表.doc
- Sublime Text 3最新emmet插件
- 基于MSP430的多路火灾报警系统
- 安卓涂鸦源程序
- 城市距离问题
- 扫雷（vc++）sdk
- VB.NET实现腾讯AI通用文字识别Ocr&TTS;
- 30个国内类型网站模板
- Visual Assist 10.9 2331 劫持破解版
- web服务器的课程设计文档
- IBeacon蓝牙指纹定位打点工具
- 基于4个特征的阴影检测算法
- SSD3 quiz+exercise+exam所有完整答案
- ExtJS 4.2.4 完整版本
免责申明
【只为小站】的资源来自网友分享，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论 【只为小站】 经营者是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明
本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二条之规定，若资源存在侵权或相关问题请联系本站客服人员，zhiweidada#qq.com，请把#换成@，本站将给予最大的支持与配合，做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明