基于YOLOv5算法的水下鱼类识别研究

余迎宾; 刘鹏鹏

doi:10.16671/j.cnki.cn51-1382/tv.2026.02.009

欢迎来到能源电力期刊网！

English Version 期刊登录

您当前的位置：

首页 >

文章列表页 >

基于YOLOv5算法的水下鱼类识别研究

工程监测 | 更新时间：2026-06-12

- 基于YOLOv5算法的水下鱼类识别研究
- 基于YOLOv5算法的水下鱼类识别研究
- 水电站设计 2026年42卷第2期页码：107-112
- 作者机构：
  
  1. 中国电建集团成都勘测设计研究院有限公司
  2. 成都众柴科技有限公司
- 作者简介：
- 基金信息：
- DOI：10.16671/j.cnki.cn51-1382/tv.2026.02.009
  中图分类号： S951.2;TP183;TP391.41
- 纸质出版：2026
- 稿件说明：
移动端阅览
余迎宾, 刘鹏鹏. 基于YOLOv5算法的水下鱼类识别研究[J]. 水电站设计, 2026,42(2):107-112.

余迎宾, 刘鹏鹏. 基于YOLOv5算法的水下鱼类识别研究[J]. 2026, 42(2): 107-112.
余迎宾, 刘鹏鹏. 基于YOLOv5算法的水下鱼类识别研究[J]. 水电站设计, 2026,42(2):107-112. DOI： 10.16671/j.cnki.cn51-1382/tv.2026.02.009.

余迎宾, 刘鹏鹏. 基于YOLOv5算法的水下鱼类识别研究[J]. 2026, 42(2): 107-112. DOI： 10.16671/j.cnki.cn51-1382/tv.2026.02.009.

摘要

为实现鱼道过鱼数量、体型大小、物种种类及游动方向的精准快速识别，本文提出一种基于深度学习YOLOv5网络模型的鱼道过鱼情况监测方法。从鱼道监测系统中存储的近百段过鱼视频为基础，通过逐帧提取获得鱼类图像并完成标注，选取每种鱼类的2000帧图像构建过鱼模型训练数据集，采用YOLOv5s模型开展训练并生成权重文件，以未经预处理的视频作为测试组进行检测，结果显示模型识别准确率达95%以上，可完全适用于水下鱼类的实时识别场景。

Abstract

关键词

Keywords

references

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于无人机航拍的水利工程槽墩施工进度智能视觉研究

BIM技术在灌区高大渡槽设计中的应用

双循环格局下机电总承包供应链的提质与转型

水电工程硐室空气成分自动监测及其扩散规律研究

美洲可再生能源资源禀赋及能源工程企业经营生产组织模式探讨

基于YOLOv5算法的水下鱼类识别研究

基于YOLOv5算法的水下鱼类识别研究

DOI：10.16671/j.cnki.cn51-1382/tv.2026.02.009

摘要

Abstract

关键词

Keywords

references