Resumen

Para detectar mejor los peces en un entorno de acuicultura, se propone un modelo de detección en tiempo real de alta precisión. Se recopiló un conjunto de datos experimental para la detección de peces en entornos de acuicultura de laboratorio utilizando vehículos operados de forma remota. Para superar la inexactitud del algoritmo You Only Look Once v3 (YOLOv3) en entornos de cultivo submarino, se obtuvo un conjunto adecuado de hiperparámetros a través de múltiples experimentos. Luego, se aplica un algoritmo de recuperación de imagen en tiempo real antes de YOLOv3 para reducir los efectos tanto del ruido como de la luz en las imágenes manteniendo la capacidad en tiempo real, lo que resulta en una precisión media promedio de 0.85 y una velocidad de cuadros de 17.6 fps, respectivamente. Finalmente, en comparación con el modelo base de detección que utiliza solo el algoritmo YOLOv3, el modelo de detección mejorado presentó resultados con una reducción

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Detectar peces; Ambiente de acuicultura; Modelo de detección en tiempo real; Algoritmo YOLOv3; Hiperparámetros; Cultivo submarino
• Keywords:Detect fish; Aquaculture environment; Real-time detection model; YOLOv3 algorithm; Hyperparameters; Underwater farming