基于深度学习VGG网络模型的海洋单细胞藻类识别算法

来源：大连海洋大学学报杂志2021年第2期北京时间：

作者：王羽徵, 程远, 毕海, 于秋玉, 刘丹

单位：1.大连海洋大学 信息工程学院, 辽宁 大连 116023； 2.近海(大连)生态发展有限公司，辽宁 大连 116085； 3.智慧视通大连研究院，辽宁 大连 116085

摘要：为更好地对海洋中单细胞藻类进行有效识别，本研究提出了基于改进式VGG16网络模型的单细胞藻类识别算法—AlgaeNet，在传统VGG网络模型基础上，通过减少卷积核数量，并添加BatchNormalization层进行神经网络模型加速。结果表明：在相同试验条件下，本研究中提出的AlgaeNet算法在训练过程中的损失值收敛速度及对测试集样本(卵形小球藻Chlorellaovalis与小等刺硅鞭藻DictyochafibulaEhrenberg)的预测准确率上升速度较传统VGG、AlexNet网络模型优势明显，识别准确率可达99.317%。研究表明，基于改进式VGG16网络模型的单细胞藻类识别算法AlgaeNet在单细胞藻类识别领域具有较好的分类识别性能，可实现海洋中藻类的准确识别。

关键词：卵形小球藻,小等刺硅鞭藻,VGG,深度学习,识别

基金资助：辽宁省自然科学基金(20180550573)；辽宁省博士科研启动基金(2019-BS-031)；辽宁省教育厅科研项目(JL201918)