近日，中國(guó)水產(chǎn)科學(xué)研究院淡水漁業(yè)研究中心漁業(yè)經(jīng)濟(jì)和信息研究室、國(guó)家數(shù)字漁業(yè)淡水養(yǎng)殖專業(yè)創(chuàng)新分中心團(tuán)隊(duì)在中華絨螯蟹實(shí)時(shí)輕量化形態(tài)溯源研究上取得新進(jìn)展。
中華絨螯蟹（河蟹）養(yǎng)殖過程中存在產(chǎn)地假冒（如“洗澡蟹”）問題，傳統(tǒng)溯源方法（形態(tài)學(xué)檢測(cè)、生化指標(biāo)分析）效率低、對(duì)經(jīng)驗(yàn)強(qiáng)依賴且精準(zhǔn)追溯成本高。本研究提出基于深度學(xué)習(xí)的二階段溯源框架，實(shí)現(xiàn)高效實(shí)時(shí)產(chǎn)地鑒定。通過采集江蘇省中華絨螯蟹5大主要產(chǎn)地（陽澄湖、太湖、固城湖、洪澤湖、興化等）原始成蟹圖像經(jīng)過數(shù)據(jù)增強(qiáng)構(gòu)建數(shù)據(jù)集；設(shè)計(jì)融合目標(biāo)檢測(cè)（MC-RTLNet）和產(chǎn)地分類（IGINC模型）二階段框架，構(gòu)建集成全維度動(dòng)態(tài)卷積（ODConv）、輕量化特征融合模塊（SlimNeck）、LSCD檢測(cè)頭等三大模塊的YOLOv10n增強(qiáng)算法精準(zhǔn)定位圖像中的蟹體目標(biāo)區(qū)域，在GoogleNet的Inception模塊基礎(chǔ)上優(yōu)化集成非對(duì)稱卷積塊（AC.B模塊）和SE注意力機(jī)制實(shí)現(xiàn)中華絨螯蟹產(chǎn)地識(shí)別。算法模型能夠?qū)崿F(xiàn)309FPS實(shí)時(shí)檢測(cè)，參數(shù)量?jī)H為VGG16的17.4%、AlexNet的40%，訓(xùn)練/推理速度遠(yuǎn)超傳統(tǒng)模型且無需專業(yè)設(shè)備或人工鑒定，為水產(chǎn)品質(zhì)量監(jiān)管提供自動(dòng)化技術(shù)支持的同時(shí)也為打擊產(chǎn)地假冒行為、提升地方品牌力提供有效技術(shù)支持。
本研究得到了國(guó)家重點(diǎn)研發(fā)計(jì)劃（2022YFF0600007）、水科院科技創(chuàng)新團(tuán)隊(duì)（2023TD65）、所基本科研業(yè)務(wù)費(fèi)（ 2021JBFM11）和2024年漁業(yè)生態(tài)與資源監(jiān)測(cè)服務(wù)采購(gòu)項(xiàng)目的資助。相關(guān)成果論文“Real-Time Lightweight Morphological Detection for Chinese Mitten Crab Origin Tracing”發(fā)表于期刊《applied sciences》上，漁業(yè)經(jīng)濟(jì)和信息研究室馬曉飛為第一作者，段金榮副研究員為通訊作者。
