近日，中國水產科學研究院淡水漁業研究中心漁業經濟和信息研究室、國家數字漁業淡水養殖專業創新分中心團隊在中華絨螯蟹實時輕量化形態溯源研究上取得新進展。
中華絨螯蟹（河蟹）養殖過程中存在產地假冒（如“洗澡蟹”）問題，傳統溯源方法（形態學檢測、生化指標分析）效率低、對經驗強依賴且精準追溯成本高。本研究提出基于深度學習的二階段溯源框架，實現高效實時產地鑒定。通過采集江蘇省中華絨螯蟹5大主要產地（陽澄湖、太湖、固城湖、洪澤湖、興化等）原始成蟹圖像經過數據增強構建數據集；設計融合目標檢測（MC-RTLNet）和產地分類（IGINC模型）二階段框架，構建集成全維度動態卷積（ODConv）、輕量化特征融合模塊（SlimNeck）、LSCD檢測頭等三大模塊的YOLOv10n增強算法精準定位圖像中的蟹體目標區域，在GoogleNet的Inception模塊基礎上優化集成非對稱卷積塊（AC.B模塊）和SE注意力機制實現中華絨螯蟹產地識別。算法模型能夠實現309FPS實時檢測，參數量僅為VGG16的17.4%、AlexNet的40%，訓練/推理速度遠超傳統模型且無需專業設備或人工鑒定，為水產品質量監管提供自動化技術支持的同時也為打擊產地假冒行為、提升地方品牌力提供有效技術支持。
本研究得到了國家重點研發計劃（2022YFF0600007）、水科院科技創新團隊（2023TD65）、所基本科研業務費（ 2021JBFM11）和2024年漁業生態與資源監測服務采購項目的資助。相關成果論文“Real-Time Lightweight Morphological Detection for Chinese Mitten Crab Origin Tracing”發表于期刊《applied sciences》上，漁業經濟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。
日期：2025-07-14
中華絨螯蟹（河蟹）養殖過程中存在產地假冒（如“洗澡蟹”）問題，傳統溯源方法（形態學檢測、生化指標分析）效率低、對經驗強依賴且精準追溯成本高。本研究提出基于深度學習的二階段溯源框架，實現高效實時產地鑒定。通過采集江蘇省中華絨螯蟹5大主要產地（陽澄湖、太湖、固城湖、洪澤湖、興化等）原始成蟹圖像經過數據增強構建數據集；設計融合目標檢測（MC-RTLNet）和產地分類（IGINC模型）二階段框架，構建集成全維度動態卷積（ODConv）、輕量化特征融合模塊（SlimNeck）、LSCD檢測頭等三大模塊的YOLOv10n增強算法精準定位圖像中的蟹體目標區域，在GoogleNet的Inception模塊基礎上優化集成非對稱卷積塊（AC.B模塊）和SE注意力機制實現中華絨螯蟹產地識別。算法模型能夠實現309FPS實時檢測，參數量僅為VGG16的17.4%、AlexNet的40%，訓練/推理速度遠超傳統模型且無需專業設備或人工鑒定，為水產品質量監管提供自動化技術支持的同時也為打擊產地假冒行為、提升地方品牌力提供有效技術支持。
本研究得到了國家重點研發計劃（2022YFF0600007）、水科院科技創新團隊（2023TD65）、所基本科研業務費（ 2021JBFM11）和2024年漁業生態與資源監測服務采購項目的資助。相關成果論文“Real-Time Lightweight Morphological Detection for Chinese Mitten Crab Origin Tracing”發表于期刊《applied sciences》上，漁業經濟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。
日期：2025-07-14
