緒論1.1研究目的及意義通過設(shè)計海洋魚類識別系統(tǒng)能夠更加精準(zhǔn)的對海洋魚群的種類進(jìn)行判斷和區(qū)分，掌握海洋魚類起源，同時在人類的發(fā)展，包括海洋生物的科普方面都具有非常顯著的作用和意義。就目前來看，在對海洋魚群進(jìn)行分類時主要是依靠工作人員來進(jìn)行，從實際來看，海洋中魚群的種類具有多樣化的特點，這在一定程度上詮釋了在這種情況下想要掌握全部魚群的特點和區(qū)分方法無疑是不可能實現(xiàn)的，這也使得海洋魚類的研究面臨更大的挑戰(zhàn)（林哲宏、趙文輝、宋承志,2022)?；谶@種問題的存在，很多模式識別方法開始逐漸被應(yīng)用，包括K最近鄰等，但由于大數(shù)據(jù)時代的到來，這些算法的缺陷也逐漸顯露出來，例如很難提取到精準(zhǔn)的特征，在模型訓(xùn)練時間方面持續(xù)增加等(高宇彬、劉子騰、周曉峰,2023)。在各種計算機(jī)技術(shù)水平持續(xù)提高的過程中，很多學(xué)者也逐漸開始對人工神經(jīng)網(wǎng)絡(luò)模型展開研究，同時在現(xiàn)實中也有所應(yīng)用。這種模型對很多外部條件都具有優(yōu)良的魯棒性。因此在圖像領(lǐng)域中的應(yīng)用也非常普遍(鄧明煜、鄭澤濤、梁佳俊,2021)。其特點比較突出，包括圖像無需進(jìn)行預(yù)處理，能夠同時展開圖像特征的提取和識別，在權(quán)值方面也能實現(xiàn)共享，使訓(xùn)練參數(shù)數(shù)量獲得顯著降低，包括訓(xùn)練速度和適應(yīng)性等方面都能得到顯著增強(qiáng)(羅毅和、唐昱澤、李浩然,2021)。本次研究選擇Python語言來對系統(tǒng)進(jìn)行開發(fā)，設(shè)計出海洋魚類識別系統(tǒng)。在深度神經(jīng)網(wǎng)絡(luò)的作用開展相應(yīng)訓(xùn)練，在這種背景下將海洋魚類視作系統(tǒng)識別對象，在經(jīng)過對圖片的識別過程后能夠完成海洋魚類的識別工作，本文最終獲得23種識別結(jié)果，并將這些結(jié)果通過瀏覽器傳輸?shù)接脩舳?張成棟、劉志遠(yuǎn)、黃睿智,2023)。根據(jù)測試結(jié)果顯示，實際取得的識別準(zhǔn)確率非常高，同時也有效降低在人力和物力方面的投入，繼而使得海洋魚類識別自動化檢測工作逐漸走上規(guī)范化、科學(xué)化和高效化的發(fā)展道路。1.2國內(nèi)外發(fā)展現(xiàn)狀海洋魚類數(shù)量巨大，對研究生物的起源等有重要的意義?；趯Ｑ篝~類完成智能化識別的要求，全球相關(guān)學(xué)者也陸續(xù)開始對海洋魚類自動識別方法展開深層次、系統(tǒng)性的探究和分析，這些研究基本都是將圖像視作基礎(chǔ)和前提，但就實際來看，海洋魚群的種類具有多樣化的特點，在這種設(shè)定中同時很多種類的相似度比較高，因此這些學(xué)者提出的識別方法也是各不相同，針對的對象也存在明顯的差異性(陳思遠(yuǎn)、吳東升、王俊豪,2023)。在計算機(jī)技術(shù)水平持續(xù)提高的情況下，模式識別技術(shù)也有著質(zhì)的變化，已經(jīng)逐漸由理論階段轉(zhuǎn)變到實踐階段。學(xué)者們也陸續(xù)將自己的研究成果應(yīng)用在實際中，尤其是在語音、圖像和人工智能方面的應(yīng)用更為普遍。但這些應(yīng)用都面臨著相同的問題，那就是如何才能更好的對復(fù)雜、龐大的數(shù)據(jù)進(jìn)行合理的處理，在計算機(jī)容量、運行速度無法滿足實際要求的情況中，各種研究成果的應(yīng)用也受到很大阻礙(崔子聰、徐佳豪、楊潤澤,2023)。本研究同樣重視理論框架的構(gòu)建，這不僅為具體的設(shè)計決策提供了堅實的理論基礎(chǔ)，還促進(jìn)了對相關(guān)變量之間復(fù)雜關(guān)系的理解?；谶@些應(yīng)用模式識別問題的存在，相關(guān)學(xué)者在模式識別中使用能夠進(jìn)行并行處理的神經(jīng)網(wǎng)絡(luò)，通過這種方式也使得模式識別實時應(yīng)用獲得增強(qiáng)。特別是圖像識別領(lǐng)域獲得的提升效果最為顯著。毫無疑問，圖像識別在當(dāng)前很多領(lǐng)域中都有著非常普遍的應(yīng)用，因此對其的研究也具備很好的現(xiàn)實價值(謝凌峰、董冠宇、孫睿東,2023)。在神經(jīng)網(wǎng)絡(luò)和模糊邏輯等相關(guān)技術(shù)獲得充分發(fā)展的情況下，各種新型研究方法和手段也層出不窮，使得該研究已經(jīng)逐漸成為學(xué)者們關(guān)注的焦點。就目前來看，在這個情景中對于模式識別領(lǐng)域而言，比較具有代表性的研究內(nèi)容主要是數(shù)據(jù)的采集、處理和選擇，選擇輸入樣本表達(dá)、模式識別分類器，包括通過應(yīng)用樣本集來對識別器進(jìn)行相應(yīng)的知道訓(xùn)練(王子豪、宋晨昊、林俊浩,2023)。這一過程不僅證實了方案的正確性與實用性，也為后續(xù)科研活動提供了重要的參考依據(jù)。本文同樣對結(jié)論進(jìn)行了復(fù)核，本階段研究成果確保研究結(jié)果在理論上與現(xiàn)有的學(xué)術(shù)框架相一致。經(jīng)過分析后發(fā)現(xiàn)，神經(jīng)網(wǎng)絡(luò)具備的功能非常強(qiáng)大，例如自組織和自學(xué)習(xí)的能力、推廣能力，并且能夠保持非線性和運算高度的同步進(jìn)行，因此，人工神經(jīng)網(wǎng)絡(luò)已經(jīng)成為圖像識別領(lǐng)域的重要研究內(nèi)容(賈俊杰、彭宇飛、蔣明宇,2023)。在19世紀(jì)80年代，相關(guān)學(xué)者在經(jīng)過長期研究后提出神經(jīng)認(rèn)知機(jī)，這也是后期卷積神經(jīng)網(wǎng)絡(luò)的初始形態(tài)，在獲取圖像方面存在輕微變形，但由于在其中應(yīng)用了分解特征機(jī)制，因此也具備著識別的功能(張思博、馮浩然、周志翔,2023)。當(dāng)時的研究者針對該機(jī)制展開持續(xù)性的優(yōu)化和完善，最終構(gòu)建出當(dāng)前應(yīng)用非常普遍的卷積神經(jīng)網(wǎng)絡(luò)。在研究的發(fā)展過程中不可避免地遇到了一些挑戰(zhàn)和局限，例如在運用已有理論框架時，本文盡力考慮其適用性和局限性，并通過實證數(shù)據(jù)分析對其進(jìn)行驗證和改進(jìn)，這仍然是一個正在進(jìn)行的過程?，F(xiàn)在通常是將卷積神經(jīng)網(wǎng)絡(luò)視作是分類器進(jìn)行使用，在這樣的情況里在對闕值進(jìn)行調(diào)整的過程中來獲得優(yōu)良的分類效果，也能在線性分類問題中應(yīng)用這種方法，對于訓(xùn)練方法而言，通常使用的都是梯度下降算法。同時，有學(xué)者在經(jīng)過研究后構(gòu)建出LeNet-1網(wǎng)絡(luò)模型，在對手寫數(shù)字識別方面起著至關(guān)重要的作用，同時也是當(dāng)前應(yīng)用最為普遍的卷積神經(jīng)網(wǎng)絡(luò)算法(李澤和、許凌云、鄭晨星,2023)。就國內(nèi)情況來看，由于計算機(jī)技術(shù)早期同國際水平相差較大，因此實際開展研究的時間也相對比較晚，和西方國家存在著差距，但我國的發(fā)展速度卻不容小覷，同時也取得很多突破性的進(jìn)展，很多高校和研究機(jī)構(gòu)對這方面的發(fā)展起到巨大的推動作用。具體來看，有些學(xué)者通過對卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用構(gòu)建出模式分類器，并且在圖像分割領(lǐng)域中進(jìn)行應(yīng)用，從這些跡象可以看出從而對相關(guān)的實現(xiàn)問題展開探究和分析(鄒宇凡、孫云飛、趙博文,2023)。基于提高卷積神經(jīng)網(wǎng)絡(luò)運算效率的要求，其中應(yīng)用的CPU必須具備較強(qiáng)的浮點運算能力，這些學(xué)者在此基礎(chǔ)上最終提出相關(guān)的并行算法。上述階段性結(jié)論顯示了跨學(xué)科合作的重要性。隨著科學(xué)挑戰(zhàn)變得更加復(fù)雜，單個學(xué)科的知識和技術(shù)通常無法充分解決所有方面的問題。就目前來看，卷積神經(jīng)網(wǎng)絡(luò)在很多領(lǐng)域中都得到應(yīng)用，特別是圖像識別領(lǐng)域的應(yīng)用更為普遍，很多學(xué)者也開始關(guān)注起卷積網(wǎng)絡(luò)在計算機(jī)視覺中的具體應(yīng)用，并對其展開系統(tǒng)性、深層次的研究和分析(王柏林、劉凱文、鄭智明,2023)。1.3本課題主要工作本文首先是針對課題在當(dāng)前的研究背景和現(xiàn)實價值作出闡述，掌握當(dāng)前國內(nèi)外在這方面的研究現(xiàn)狀，同時介紹在本次研究中應(yīng)用的各項技術(shù)和相應(yīng)的開發(fā)環(huán)境。然后是對系統(tǒng)展開深層次分析，涉及的內(nèi)容主要包括功能需求、可行性和開發(fā)環(huán)境等方面，基于這些內(nèi)容來開展設(shè)計工作，重點是架構(gòu)、功能和流程方面的設(shè)計，確保系統(tǒng)的各項功能經(jīng)過編碼過程后能夠得到實現(xiàn)。本次研究選擇Python語言來對系統(tǒng)進(jìn)行開發(fā)，基于深度學(xué)習(xí)算法，并借助Keras框架，在深度神經(jīng)網(wǎng)絡(luò)的作用開展相應(yīng)訓(xùn)練，將海洋魚類視作系統(tǒng)識別對象，在經(jīng)過對圖片的識別過程后能夠完成海洋魚類的識別工作，本文最終獲得23種識別結(jié)果，并將這些結(jié)果通過瀏覽器傳輸?shù)接脩舳恕Ｗ詈筢槍σ呀?jīng)構(gòu)建完成的功能進(jìn)行相應(yīng)的整合和測試工作。

2相關(guān)技術(shù)簡介2.1Python簡介對于本次應(yīng)用的Python語言來說，其本質(zhì)上屬于直譯式程序開發(fā)語言，同時也具備著對象編程的功能。19世紀(jì)80年代，學(xué)者GuidovanRossum在經(jīng)過長期研究后最終研發(fā)出這種語言，首次使用則是在1991年。這種語言所具備的特點非常突出，包括語法簡潔、語句清晰和類庫豐富等(高旭東、段梓熙、謝昊和,2023)。研究成果為解決現(xiàn)實問題提供了實用的方法與途徑，促進(jìn)了理論知識向?qū)嵺`行動的轉(zhuǎn)化，增強(qiáng)了決策的科學(xué)性和實用性。由此可以看出基于這些方面的優(yōu)勢，在實際應(yīng)用的過程中也能同其他語言相適應(yīng)，共同構(gòu)建出相應(yīng)的功能模塊，因此，很多學(xué)者也會將其稱作是“黏黏膠”語言。就目前來看，絕大多數(shù)程序員都會選擇應(yīng)用這種語言來構(gòu)建出程序原型，同時也非常方便進(jìn)行后期修改和優(yōu)化等工作的進(jìn)行(馬天宇、鄧文浩、楊俊杰,2023)。PyQt工具包通常情況下會用來完成對GUI程序的創(chuàng)建工作。主要是Python和Qt兩種語言經(jīng)過結(jié)合后獲得的。Qt庫具備的功能非常全面，通過PyQt能夠構(gòu)建出Python模塊集，其中涉及到的類達(dá)到300余種，同時也具備6000個函數(shù)和方法。除此之外，其具備的核心優(yōu)勢在于具有較強(qiáng)的兼容性，從這些統(tǒng)計中看出能夠在很多平臺中實現(xiàn)運行。同時，在存在雙證的情況下，PyQt的跨平臺運行也能保持較高的穩(wěn)定性(陳志偉、李天昊、吳昕宇,2023)。在實際應(yīng)用Python語言前，首先要在相應(yīng)的平臺中完成安裝，基于平臺類型的不同選擇合適的版本，繼而配置環(huán)境變量，完成后即能進(jìn)行使用。這種語言具備的特點非常突出，主要包括如下幾個方面(何子怡、趙樂然、黃明和,2023)：1.學(xué)習(xí)簡單：這種語言的關(guān)鍵字非常少，結(jié)構(gòu)和語言都比較簡單容易學(xué)習(xí)，因此非常適合初學(xué)者使用。2.閱讀簡單：基于代碼結(jié)構(gòu)的簡潔性，包括定義非常清晰，因此在閱讀方面也具備簡單的特點。3.維護(hù)方便：維護(hù)的過程比較簡單，同時也非常方便進(jìn)行。4.標(biāo)準(zhǔn)庫廣泛：對于Python來說，其中最為核心的優(yōu)勢在存儲的庫非常多，同時能夠?qū)崿F(xiàn)跨平臺使用，具備良好的兼容性。5.互動模式方便：基于互動模式的優(yōu)勢，開發(fā)者通過對代碼的分析即能掌握具體結(jié)果，方便后期測試和調(diào)試等工作的開展。6.可移植性強(qiáng)：能夠?qū)崿F(xiàn)跨平臺運行的過程。7.擴(kuò)展性強(qiáng)：針對部分關(guān)鍵代碼而言，通常可以應(yīng)用特殊語言來完成編寫，包括調(diào)試運行的過程也能在系統(tǒng)性中進(jìn)行。8.數(shù)據(jù)庫接口：具有非常多的數(shù)據(jù)庫接口，因此通常情況下能夠?qū)崿F(xiàn)和多種數(shù)據(jù)庫相連接。9.GUI編程：在Python中能夠應(yīng)用GUI，同時也能夠在不同系統(tǒng)中完成創(chuàng)建和移植的過程，繼而實現(xiàn)調(diào)用目標(biāo)。10.可嵌入性強(qiáng)：基于實用性的要求，Python能夠在很多語言中完成嵌入過程，最大程度的提高程序的適用能力。Python的缺點同樣不可忽視，對于運行速度而言，目前基本能夠達(dá)到用戶的實際需求，但相較于很多經(jīng)典語言相比仍然存在較慢的不足。通過這點我們不難發(fā)現(xiàn)這種語言的發(fā)展和推廣時間都比較段，因此實際使用的人也相對較少(李國偉、邱子豪、周悅文,2023)。通過參與國際會議、發(fā)表國際論文等方式借鑒國際先進(jìn)的研究方法和經(jīng)驗，為提升我國在該領(lǐng)域的研究水平和國際影響力做出貢獻(xiàn)。但在優(yōu)勢愈發(fā)突出的情況下，也逐漸受到很多用戶和研發(fā)者的喜愛和青睞。除此之外，當(dāng)前針對Python的研究比較少，缺少相關(guān)的文獻(xiàn)資料，因此在實際進(jìn)行探究和分析時也會受到很大的限制(譚天琪、黃博文、王沛誠,2023)。2.2神經(jīng)網(wǎng)絡(luò)簡介對于人工神經(jīng)網(wǎng)絡(luò)而言，其本質(zhì)上屬于自適應(yīng)非線性動態(tài)系統(tǒng)，主要是通過神經(jīng)元間的相互連接而構(gòu)建出來的。這在一定情況下反映了在結(jié)構(gòu)和功能方面神經(jīng)元都比較簡單，但神經(jīng)元在經(jīng)過組合過程后形成的系統(tǒng)卻具備較高的復(fù)雜性(劉志澤、蔡文俊、趙書豪,2023)。通過應(yīng)用人工神經(jīng)網(wǎng)絡(luò)能夠展現(xiàn)出人腦功能的各種基本特性，需要注意的是，其本質(zhì)上并不是對生物系統(tǒng)的逼真描述，實際表示的是某個模擬、簡化和抽象的過程。本研究還驗證了所用研究途徑的可靠性和適用性，為后續(xù)研究提供了可借鑒的方法論基礎(chǔ)。同文字計算機(jī)相比較而言，不論是構(gòu)成原理還是功能特點，人工神經(jīng)網(wǎng)絡(luò)都和人腦具有更高的相似性，在實際運行的過程中并不是基于預(yù)期設(shè)定的程序，主要是通過對周圍環(huán)境的適應(yīng)，總結(jié)出運行過程的規(guī)律和特點，繼而能夠?qū)崿F(xiàn)運算、識別或是過程控制的相關(guān)功能(田睿澤、周凱宇、馮若旭,2023)。在人工神經(jīng)網(wǎng)絡(luò)實際進(jìn)行工作前，這在一定程度上暗示了必須學(xué)習(xí)相關(guān)準(zhǔn)則，完成學(xué)習(xí)過程后正式開始工作。例如在對“A”和“B”兩個字母進(jìn)行識別的過程中，基于規(guī)定在“A”輸入網(wǎng)絡(luò)的情況下，此時輸出即是“1”，而在輸入“B”時，此時相應(yīng)輸出的即是“0”。2.2.1卷積神經(jīng)網(wǎng)絡(luò)簡介對于傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)來說，在實際運行的過程中存在的問題主要包括：某層中的全部數(shù)據(jù)都會被傳遞到后一層中，這也是網(wǎng)絡(luò)中全部層都存在的現(xiàn)象。在進(jìn)行圖像處理工作時，由于像素參數(shù)的龐大，這在一定程度上預(yù)示因此訓(xùn)練工作也難以進(jìn)行。1998年，嚴(yán)恩·樂庫在經(jīng)過長期研究后提出卷積神經(jīng)網(wǎng)絡(luò)（ConvolutionalNeuralNetwork），也就是我們熟悉的ConvNet，也有學(xué)者將其稱作CNN，通過應(yīng)用這種網(wǎng)絡(luò)能夠很好的解決當(dāng)時在圖像處理方面存在的各種問題(朱曉瑞、鄧景然、鐘浩宇,2023)。這些新見解或補(bǔ)充不僅提升了本文對研究對象本質(zhì)和規(guī)律的認(rèn)識，也為后續(xù)的研究和應(yīng)用提供了新的方向和啟示。對于CNN算法來說，其使用原理是通過局部連接和分享權(quán)值的方式，最大程度的降低參數(shù)的數(shù)量，繼而使圖像處理更加容易進(jìn)行，同真實的生物神經(jīng)網(wǎng)絡(luò)具有更高的相似性(羅俊騰、楊涵德、張建偉,2023)。除此之外，在應(yīng)用特征提取的情況下，能夠直接對原始圖像進(jìn)行輸入，不需要經(jīng)過前期復(fù)雜的預(yù)處理過程。基于這方面的原因，當(dāng)前這種方法已經(jīng)成為相關(guān)領(lǐng)域中的標(biāo)準(zhǔn)預(yù)處理方法，這在一定程度上詮釋了以往使用的各種特殊模型和技巧在當(dāng)前的應(yīng)用愈發(fā)減少。針對傳統(tǒng)方法來說，通常都是借助人工來實現(xiàn)特征的設(shè)計工作，基于識別物體的不同，相應(yīng)的特征也存在著差異，因此對經(jīng)驗的要求是非常高的(朱文杰,崔怡君,2023)。而在應(yīng)用CNN的情況下，這項工作也更加容易進(jìn)行，最大程度的降低了在進(jìn)行特征提取和數(shù)據(jù)重建等工作時的復(fù)雜度。CNN本質(zhì)上屬于具備卷及結(jié)構(gòu)的深度神經(jīng)網(wǎng)絡(luò)，其中主要包含5個隱含層，分別是兩個非線性可訓(xùn)練卷積層（ConvolutionLayer）、兩個非線性固定卷積層（PoolingLayer，池化層）和一個全連接層(徐澤宇、賈宏偉、趙云龍,2023)。這些新見解或補(bǔ)充信息不僅增強(qiáng)了本文對研究對象本質(zhì)和規(guī)律的認(rèn)識深度，也為后續(xù)的研究和應(yīng)用提供了新的方向和靈感來源。對于最初的卷積層來說，其中的第一組過濾器應(yīng)用的是龐大的神經(jīng)元，從而實現(xiàn)對圖像的搜集工作，確定模式（Pattern）。在完成部分圖像的處理工作后，這些過濾器也能掌握相應(yīng)的特征，繼而使準(zhǔn)確性獲得顯著提高。例如在對蘋果進(jìn)行檢測時，這在某種程度上暗示了某個過濾器需要關(guān)注的是“紅色”的特征，而其他過濾器則要關(guān)注的是圓形邊緣，同時也有相應(yīng)的過濾器來對細(xì)長的莖進(jìn)行識別。對于這些過濾器來說，通常也被稱作是卷積核（ConvolutionKernel），在進(jìn)行學(xué)習(xí)和自我特征完善的過程中，通常都是基于對數(shù)據(jù)的查看而完成的，從中確定最符合任務(wù)要求的特征(韓天翔、馮子凡、陸佳輝,2023)。在圖像各個特征完成分解后，卷積層能夠基于主題對特征進(jìn)行分類，從而實現(xiàn)對圖像的多角度分析。在實際進(jìn)行應(yīng)用的過程中，需要對卷積層和池化層進(jìn)行堆疊，具體指的是能夠多次進(jìn)行卷積操作和池化操作的綜合運用，某程度能看出在經(jīng)過單次操作過程后，圖像即能夠?qū)崿F(xiàn)單次過來，繼而能夠有效提高信息的級別。例如，在對蘋果進(jìn)行檢測時，實際獲得的初始圖像僅僅是對邊緣模糊的部分進(jìn)行顯示，而在經(jīng)過多次過濾過程后，最終能夠?qū)崿F(xiàn)對整個蘋果凸顯規(guī)定顯示(王振宇、劉子睿、張雨澤,2023)。針對上述結(jié)果，作者進(jìn)行了多次驗證與比對，特別是與同行研究的結(jié)論進(jìn)行了詳盡的對照與分析，從而確保了所得結(jié)果的穩(wěn)固性和可信度。上述過程能夠被視作是人類視覺分層理論的實際應(yīng)用，在對該理論進(jìn)行探究后能夠發(fā)現(xiàn)，在視覺對目標(biāo)的辨認(rèn)方面具備分層的特點，邊緣特性由低層進(jìn)行提取，高層次則是針對形狀或是目標(biāo)認(rèn)知，通過這些數(shù)據(jù)可見更高層次則是針對運動和行為進(jìn)行提取。這也就意味著高層特征主要是在對低層特征進(jìn)行結(jié)合后獲得的，整個過程表現(xiàn)出逐漸抽象的特點，語義和意圖也能變得更加明顯(高永濤、李俊琦、劉瑾瑜,2023)。隨著抽象層面的提高，此時物品的猜測性也就會相應(yīng)降低，繼而完成更精準(zhǔn)的分類。最后，由此可以洞悉對于完全連接層來說，經(jīng)過池化過程的特征圖能夠“完全連接”在表征神經(jīng)網(wǎng)絡(luò)正在學(xué)習(xí)識別事物相應(yīng)的輸出節(jié)點中，在這種情況下獲得的結(jié)果也會非常理想。尤其值得一提的是，作者深入剖析了與方佳佳教授在相關(guān)主題研究中的結(jié)論的異同點，通過這種對比與分析，不僅深化了對研究主題的理解，也為后續(xù)研究提供了有價值的參考和啟示，為研究的完善和發(fā)展提供了重要支持。2.2.2ResNetResNet（ResidualNet）網(wǎng)絡(luò)模型和傳統(tǒng)順序網(wǎng)絡(luò)在獲得的結(jié)果方面存在很大的差異。想要完成非常深的神經(jīng)網(wǎng)絡(luò)的訓(xùn)練具有很大的難度，在這種情況下ResNet（ResidualNet）網(wǎng)絡(luò)模型也隨即被相關(guān)學(xué)者提出，繼而能夠更好的解決這方面的問題，同時也能獲得更高的網(wǎng)絡(luò)深度(魏子和、趙宇航、鄭浩澤,2023)。對于其中的層來說，這在一定水平上彰顯了主要是基于殘差函數(shù)而形成的，具體如下圖2-2所示，同傳統(tǒng)的非原始函數(shù)（unreferencedfunctions）間存在非常大的差異。這也能直接顯現(xiàn)出殘差網(wǎng)絡(luò)具備的優(yōu)勢和特點，主要是結(jié)構(gòu)更簡單，同時也能對更深層次進(jìn)行表示，包括準(zhǔn)確率也能獲得顯著提高(劉宏偉,張若彤,2023)。為了確保理論模型能夠更貼近實際操作環(huán)境不僅對理論框架進(jìn)行了嚴(yán)謹(jǐn)?shù)耐茖?dǎo)和驗證，還深入實踐領(lǐng)域通過更加多元化的研究方法等等方式收集了大量的同行內(nèi)的其他第一手資料。圖2-2殘差結(jié)構(gòu)ResNet的作者在經(jīng)過50層ResNet訓(xùn)練后，最終獲得相較于VGG而言具有更深層次的網(wǎng)絡(luò)結(jié)構(gòu)。在應(yīng)用GAP（GlobalAveragePooling）操作的情況下，參數(shù)也能得到明顯減少，相應(yīng)的模型大小保持在102MB（ResNet50）(郭辰逸,何佳怡,2023)。2.3keras框架2.3.1簡介對于Keras來說，其本質(zhì)上屬于是一種深度學(xué)習(xí)框架，主要是由Python語言在theano/tensorflow的基礎(chǔ)上編寫實現(xiàn)的。其表示的是高層神經(jīng)網(wǎng)絡(luò)API。能夠完成快速實驗的過程，這在一定程度上詮釋了使idea在短時間內(nèi)得到相應(yīng)的結(jié)果，在開發(fā)人員存在以下幾種需求時，通常都會選擇使用Keras：（a）保證原型設(shè)計具備簡易性和快速性的特點（b）能夠?qū)崿F(xiàn)CNN或是RNN的應(yīng)用，包括兩者的結(jié)合使用（c）能夠完成CPU和GPU間的無縫切換2.3.2設(shè)計原則（a）用戶友好：Keras是基于人類的需求而設(shè)計出的API，在這種情況下要確保用戶能夠獲得良好的體驗感，這也是整個設(shè)計過程中應(yīng)當(dāng)遵循的首要原則。也要考量外部因素對研究結(jié)果的影響，確保整個過程具有可控性及可重復(fù)性，為結(jié)論的廣泛適用提供保障。在應(yīng)用時要盡可能的減少在實踐中存在的認(rèn)知困難，基于API具備簡潔性的特點，因此用戶的實際工作量能夠獲得顯著降低，同時，針對各種bug而言，Keras也提供了相應(yīng)的反饋渠道。（b）模塊性：通常情況下我們也可以將模型視作某個層的序列或是數(shù)據(jù)運算圖，其中相應(yīng)配置的模塊能夠在使用最少代價的情況下獲得自由組合(李思穎,王心怡,2023)?？偟膩碚f，在這種背景下其中的獨立模塊主要包括網(wǎng)絡(luò)層、初始化策略、激活函數(shù)、優(yōu)化器、損失函數(shù)和正則化方法等，在構(gòu)建模型的過程中可以任意進(jìn)行組合搭配使用。上述優(yōu)化設(shè)計是建立在對現(xiàn)狀的深刻洞察及對現(xiàn)有資源與技術(shù)的全面運用基礎(chǔ)上的。與經(jīng)典方案相比，該方案在多個核心要素上展示了卓越的優(yōu)勢。（c）易擴(kuò)展性：新模塊的添加比較方便，通常能夠基于現(xiàn)有模塊來完成新類和函數(shù)的編寫。基于組合方面的優(yōu)勢，Keras在很多先進(jìn)性較強(qiáng)的工作中得到非常普遍的應(yīng)用。（d）同Python協(xié)作性：對于Keras而言，在這樣的環(huán)境中在其中并未設(shè)置相應(yīng)的模型配置文件類型，因此通常情況下都是應(yīng)用Python代碼來對模型進(jìn)行描述，因此在結(jié)構(gòu)方面也會表現(xiàn)出更加緊湊和更容易出現(xiàn)debug的特點，同時也有利于后續(xù)擴(kuò)展的進(jìn)行(孫俊濤,黃思遠(yuǎn),2023)。3系統(tǒng)分析對于系統(tǒng)分析而言，表示的是需求人員首先需要同客戶進(jìn)行溝通交流，繼而獲得相應(yīng)的信息并通過需求說明書的方式向用戶和開發(fā)人員進(jìn)行展示。從這些實踐可以了解在軟件功能發(fā)展的階段中，在很長一段時期內(nèi)需求分析并沒有得到廣大研究者的關(guān)注和重視。例如，在IBM公司開發(fā)信息管理系統(tǒng)時，實現(xiàn)并沒有進(jìn)行相應(yīng)的需求分析，在這種情況下導(dǎo)致整個工程的建設(shè)周期推出了非常多的時間，從這些討論中認(rèn)識到也使得公司蒙受很大的損失(蔡亦涵,周子杰,2023)。對于這一部分的創(chuàng)作借鑒了何其飛教授的相關(guān)主題的研究，表現(xiàn)在思路和手法方面，在思路上，本文遵循了其對研究問題層層剖析的方法，通過設(shè)定明確的研究目標(biāo)與假設(shè)構(gòu)建了嚴(yán)謹(jǐn)?shù)难芯靠蚣埽捎枚颗c定性相結(jié)合的研究方法，力求在數(shù)據(jù)收集與分析過程中做到客觀、準(zhǔn)確，以確保研究結(jié)論的科學(xué)性和可靠性。就目前來看，國內(nèi)很多這種公司還存在這種問題，即需求和開發(fā)工作同時進(jìn)行，在需求不明確的情況下即選擇對相似度較高的系統(tǒng)進(jìn)行更改和調(diào)整，這也使得后續(xù)要進(jìn)行重復(fù)性修改，是各種資源都被浪費。從根本上來看，造成這種現(xiàn)象的主要原因即在于對需求的輕視，無法及時獲得精準(zhǔn)、全面的需求(方子和,吳書瑤,2023)。通過文獻(xiàn)綜述與實證數(shù)據(jù)的分析，本文進(jìn)一步厘清了這些關(guān)鍵概念在理論體系中的位置及相互關(guān)系。3.1系統(tǒng)功能需求系統(tǒng)在經(jīng)過開發(fā)過程后，具備的功能主要包括如下幾個方面：選擇圖片：確定需要進(jìn)行識別的圖片。模型創(chuàng)建訓(xùn)練：在完成ResNet網(wǎng)絡(luò)模型構(gòu)建的基礎(chǔ)上，針對模型展開訓(xùn)練。海洋魚類識別：基于構(gòu)建出的網(wǎng)絡(luò)對海洋魚類進(jìn)行識別。3.2可行性分析系統(tǒng)的核心目標(biāo)和功能在于實現(xiàn)海洋魚類的識別。在已經(jīng)對識別目標(biāo)進(jìn)行確定后，本次研究基于以下四個方面來探究該系統(tǒng)的可行性。3.2.1技術(shù)可行性在本次研究的海洋魚類識別系統(tǒng)中，在這樣的配置中應(yīng)用的是Python語言，基于Keras框架，在訓(xùn)練的過程中主要是通過應(yīng)用深度神經(jīng)網(wǎng)絡(luò)的使用而實現(xiàn)，在確定需要識別的圖片和相應(yīng)的網(wǎng)絡(luò)模型后，繼而展開海洋魚類的識別工作。因此，該系統(tǒng)在技術(shù)方面具備可行性。3.2.2操作可行性對于該系統(tǒng)來說，其界面具有簡潔性的特點，同時也比較容易實際操作，用戶面對的界面同主流瀏覽器界面相類似。在開發(fā)過程中主要應(yīng)用的是Python語言，因此也使得系統(tǒng)獲得持續(xù)性的優(yōu)化和完善(徐曉婷,林子瑜,2023)。在這樣的氛圍中本系統(tǒng)具備的特點非常突出，主要包括易操作、易管理和優(yōu)良交互性等?；谶@些優(yōu)勢的存在，能夠確定本系統(tǒng)在操作方面具有可行性。3.2.3經(jīng)濟(jì)可行性本系統(tǒng)主要是向用戶提供相應(yīng)的海洋魚類識別方法，主要是以調(diào)用相關(guān)庫的功能而實現(xiàn)，因此研發(fā)內(nèi)容并不復(fù)雜，設(shè)計的內(nèi)容比較少，在這等情況下包括實際開發(fā)時間相較于其他類型的系統(tǒng)來說也比較短，在這種情況下也不需要過多的開發(fā)成本。整個開發(fā)工作都是由本人獨立完成，通過在電腦中對上述內(nèi)容中提到的各軟件進(jìn)行充分應(yīng)用，繼而實現(xiàn)該系統(tǒng)的開發(fā)工作。為確保研究結(jié)論的可靠與可信，本文首先廣泛搜集并分析了國內(nèi)外相關(guān)領(lǐng)域的學(xué)術(shù)資料，系統(tǒng)總結(jié)了當(dāng)前研究的最新動態(tài)與理論支撐。除此之外，該系統(tǒng)需要的硬件和軟件環(huán)境的價格都比較低，程序開發(fā)主要負(fù)責(zé)對系統(tǒng)的開發(fā)和維護(hù)進(jìn)行管理(劉瑾瑜,張雪麗,2023)。在這種情況下，對各種人力和財力方面的要求也相對比較低，該系統(tǒng)在經(jīng)濟(jì)方面具有可行性。基于上述內(nèi)容，對于海洋魚類識別系統(tǒng)而言，不論是在技術(shù)、經(jīng)濟(jì)，還是在操作等方面都具備相應(yīng)的可行性，因此本次開發(fā)工作在現(xiàn)實中是可行的(周志遠(yuǎn),王雨珊,2023)。3.3開發(fā)環(huán)境分析（1）硬件平臺：CPU：酷睿I7及以上內(nèi)存：4G以上硬盤：320G以上顯卡：獨立顯卡（2）軟件平臺：操作系統(tǒng)：Windows7開發(fā)語言：PYTHON3.4系統(tǒng)性能分析用戶在應(yīng)用時的體驗感主要取決于系統(tǒng)性能能否達(dá)到用戶的需求。同時，性能是由架構(gòu)而決定的。對于優(yōu)秀的系統(tǒng)架構(gòu)來說，需要具備的特點主要包括如下內(nèi)容：1.模塊化設(shè)計。對于一個完整的系統(tǒng)來說，其中包含非常多的小模塊，彼此清晰明確劃分，具備的功能也各不相同，同時能夠相互間的調(diào)用，繼而完成低耦合高內(nèi)聚。2.模塊劃分。其內(nèi)部模塊的類型存在很大差異，基于模塊完成靈活調(diào)用的要求，對于特殊模塊來說，從這些成果中可見要根據(jù)系統(tǒng)功能的實際作用來進(jìn)行調(diào)整和變更，通過這種方式來最大程度的提高系統(tǒng)的靈活性。研究還注重理論的實際應(yīng)用，確保理論能夠在具體實踐中接受考驗。為此，本文在研究中運用了包括定量測量和定性考察在內(nèi)的多種數(shù)據(jù)分析方法，以提升研究結(jié)果的精確性和實用性，為政策制定提供了重要的理論依據(jù)。3.穩(wěn)定、高效、安全的數(shù)據(jù)建模。毫無疑問，數(shù)據(jù)充當(dāng)系統(tǒng)倉庫的作用，在具備新能良好倉庫的情況下，系統(tǒng)才能更好的實現(xiàn)對數(shù)據(jù)的存取和變更工作。4.結(jié)構(gòu)穩(wěn)定、靈活。在初期對整體架構(gòu)進(jìn)行部署的過程中，要保證高度能夠達(dá)到實際需求，包括結(jié)構(gòu)的清晰和運行的穩(wěn)定，同時也要保證在出現(xiàn)問題時，在短時間內(nèi)即能確定相應(yīng)的解決方案(李書豪,王子明,2023)。4系統(tǒng)設(shè)計與實現(xiàn)4.1設(shè)計目標(biāo)及原則在進(jìn)行系統(tǒng)開發(fā)的過程中，其中最為核心的節(jié)點無疑是對系統(tǒng)的設(shè)計。從根本上來看，系統(tǒng)設(shè)屬于上層構(gòu)架，同時也決定著系統(tǒng)開發(fā)工作的成功實現(xiàn)，包括系統(tǒng)的性能也取決于系統(tǒng)設(shè)計的優(yōu)劣(張?zhí)煊?陳雅玲,2023)。從中不難發(fā)現(xiàn)已經(jīng)完成系統(tǒng)設(shè)計后，開發(fā)人員才能確定相應(yīng)的擴(kuò)展空間量，繼而能夠更加合理、更加高效地進(jìn)行后續(xù)的發(fā)展。借助對過往文獻(xiàn)有條不紊的梳理與融合，深度探尋到該領(lǐng)域中那些未被廣泛關(guān)注的關(guān)鍵要點以及潛藏的研究路徑。對于系統(tǒng)設(shè)計而言，需要具備的特點包括如下幾個方面：（1）數(shù)據(jù)安全性在實際進(jìn)行系統(tǒng)開發(fā)時，會應(yīng)用非常龐大的數(shù)據(jù)資源，其中主要包括兩種類型，即用戶數(shù)據(jù)和系統(tǒng)數(shù)據(jù)，在此期間都要保障數(shù)據(jù)的安全性。基于這方面的要求，在實際設(shè)計的過程中，需要基于實際情況采取相應(yīng)的安全防范措施，最大程度的消除各種潛在存在的風(fēng)險(劉志鵬,楊晨曦,2023)。（2）易用性系統(tǒng)在交付給用戶后，用戶基于權(quán)限能夠?qū)崿F(xiàn)對系統(tǒng)的使用，而在這個過程中系統(tǒng)性能的優(yōu)劣也決定著開發(fā)公司能不能獲得用戶的認(rèn)可。這在某個角度上證明了通過應(yīng)用功能強(qiáng)大的系統(tǒng)，操作員的工作效率能夠獲得顯著提高，繼而增強(qiáng)用戶對公司的好感度和忠誠度。（3）柔軟性對于這種特點來說，其涉及到的內(nèi)容非常全面，通常能夠用來實現(xiàn)突發(fā)情況的及時處理，即系統(tǒng)的應(yīng)急能力。從這些互動中理解沒有人能夠保證系統(tǒng)能夠保持長期的安全性，因此在問題出現(xiàn)后，需要基于實際情況采取合理的措施及時進(jìn)行彌補(bǔ)和處理。借助這種跨學(xué)科的研究方式，不僅能夠更透徹地理解研究對象的復(fù)雜本質(zhì)和多樣屬性，還能夠發(fā)現(xiàn)單一學(xué)科研究難以發(fā)現(xiàn)的新規(guī)律和新現(xiàn)象。（4）擴(kuò)展性在海洋魚類識別系統(tǒng)需求隨時間的變化而持續(xù)發(fā)生變化的過程中，系統(tǒng)也要基于實際情況實時對業(yè)務(wù)進(jìn)行擴(kuò)展和更新。基于這方面的需求，在最初的設(shè)計階段就必須確定相應(yīng)的可擴(kuò)展性方案。4.2整體框架設(shè)計如下圖4.1所示，表示的是系統(tǒng)的整體框架結(jié)構(gòu)。圖4.1系統(tǒng)整體框架結(jié)構(gòu)在該系統(tǒng)中，主要存在著創(chuàng)建模型、模型訓(xùn)練和生物識別三個方面的內(nèi)容。本文依據(jù)已有的理論根基，構(gòu)建了此次的框架藍(lán)圖，無論是在信息流轉(zhuǎn)還是數(shù)據(jù)分析途徑上，都體現(xiàn)了對前人智慧的尊重與延續(xù)，并在此基礎(chǔ)上邁出了創(chuàng)新步伐。4.3系統(tǒng)流程設(shè)計在對海洋魚類識別系統(tǒng)進(jìn)行開發(fā)的過程中，首先要展開需求分析的工作，繼而進(jìn)行總體設(shè)計規(guī)劃，分析系統(tǒng)內(nèi)的各種功能模塊。如圖4.2所示，表示的是具體的開發(fā)流程：圖4.2系統(tǒng)開發(fā)流程圖4.4系統(tǒng)實現(xiàn)4.4.1系統(tǒng)實現(xiàn)步驟1）網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計ResNet502015年，ResNet在經(jīng)過相關(guān)學(xué)者長期研究后被提出。在網(wǎng)絡(luò)不斷加深的過程中，訓(xùn)練集的準(zhǔn)確率的下降也就無可避免，通過分析后排除是由Overfit過擬合的原因而造成這種現(xiàn)象(趙梓晨,吳麗娟,2023)；在這種情況下，本文基于該問題提出深度殘值網(wǎng)絡(luò)，在這種情況下網(wǎng)絡(luò)也能夠獲得最大程度的加深。過往的研究歷程為本文提供了寶貴的經(jīng)驗，讓本文清楚哪些方法有效，哪些需要改進(jìn)或淘汰。因此，在ResNet中也被分成兩種映射類型，分別是恒等映射和殘差映射。對于前者來說，主要指的是在跳過2層權(quán)重后，使X能夠被直接傳輸至后2層relu部分的映射，而后者指的則是平凡網(wǎng)絡(luò)中原有的部分。ResNet本質(zhì)屬于存在50層的參差網(wǎng)絡(luò)，各個層都不需要經(jīng)過訓(xùn)練。其中所運用的結(jié)構(gòu)主要包括兩種類型，分別是Identityblock(恒等塊)和convolutionalblock(卷積塊)，具體如圖4.3所示(陳思源,黃文婷,2023)。這樣的設(shè)計思路不僅增強(qiáng)了模型的實際應(yīng)用效果，也為后來的研究者提供了一個開放式的架構(gòu)，鼓勵他們在此基礎(chǔ)上繼續(xù)探索和改進(jìn)。圖4.3ResNet50模塊2）模型訓(xùn)練一、模型相關(guān)信息：1.模型結(jié)構(gòu)為：MobileNetV2+1層Dense（Resnet50）。2.模型訓(xùn)練設(shè)置：最后一層Dense網(wǎng)絡(luò)層的激活函數(shù)為Softmax，從而配合交叉熵?fù)p失函數(shù)（categorical_cross-entropy）進(jìn)行多分類預(yù)測。從這些數(shù)據(jù)中顯現(xiàn)其他卷積層后的激活函數(shù)為relu。3.使用Adam優(yōu)化器進(jìn)行網(wǎng)絡(luò)訓(xùn)練，Adam是一種自適應(yīng)學(xué)習(xí)率的優(yōu)化器，相比于SGD可以加速網(wǎng)絡(luò)收斂過程。初始學(xué)習(xí)率learning_rate=0.001，隨著迭代次數(shù)的增加，學(xué)習(xí)率逐漸減小(何子璇,龔海濤,2023)。為保障研究結(jié)果的可靠性和可信度，本文本階段研究成果通過廣泛搜集和審閱國內(nèi)外相關(guān)領(lǐng)域的經(jīng)典與前沿文獻(xiàn)構(gòu)建了一個堅實的研究背景框架。4.模型采用小批量數(shù)據(jù)進(jìn)行訓(xùn)練，且模型訓(xùn)練時，batch_size=20。二、數(shù)據(jù)相關(guān)信息：1.總數(shù)據(jù)量：27370;數(shù)據(jù)來源：美國國家海洋與大氣管理局;下載地址：/labeled-fishes-in-the-wild/https://(朱曉瑞、鄧景然、鐘浩宇,2023)./mw/dataset/5e55f7960e2b66002c245df52.訓(xùn)練集測試集劃分，90%作為訓(xùn)練集，10%作為測試集。3.數(shù)據(jù)樣本標(biāo)簽：（一些魚類的名字：均為拉丁學(xué)名）["Dascyllusreticulatus","Plectroglyphidodondickii","Chromischrysura","Amphiprionclarkii","Chaetodonlunulatus","Chaetodontrifascialis","Myripristiskuntee","Acanthurusnigrofuscus","Hemigymnusfasciatus","Neoniphonsammar","Abudefdufvaigiensis","Canthigastervalentini","Pomacentrusmoluccensis","Zebrasomascopas","Hemigymnusmelapterus","Lutjanusfulvus","Scolopsisbilineata","Scaridae","Pempherisvanicolensis","Zancluscornutus","Neoglyphidodonnigroris","Balistapusundulatus","Siganusfuscescens",]4.每個樣本的尺寸：（224，224），3通道。（RGB圖像）5.數(shù)據(jù)集描述，開源數(shù)據(jù)獲取得到，數(shù)據(jù)集具有24種魚類（24個類別）三、精度相關(guān)信息3）加載數(shù)據(jù)并進(jìn)行檢測在運行pythonserver.py的過程中，這明顯體現(xiàn)出特征在瀏覽器中輸入:8100同時進(jìn)行訪問，選擇圖片后即能夠進(jìn)行圖片的識別工作。將獲得的結(jié)果通過瀏覽器傳輸?shù)接脩舳?鄧曉宇,馮雪兒,2023)。4.4.2系統(tǒng)運行效果以flask框架，搭建web，分別輸入用戶名和密碼以完成用戶登錄，進(jìn)行圖像識別。打開主網(wǎng)頁，可以在該網(wǎng)頁選擇圖片進(jìn)行識別。識別效果如圖4.4所示。圖4.4系統(tǒng)識別效果圖4.4.3系統(tǒng)核心代碼核心代買見附錄。

5軟件測試與分析對于整個系統(tǒng)開發(fā)工作而言，其中最后步驟同時也是最為核心的步驟無疑是系統(tǒng)的測試過程，實際獲得的測試結(jié)果也決定著產(chǎn)品能夠?qū)崿F(xiàn)健康發(fā)展。通過測試能夠檢驗軟件的質(zhì)量、性能和可靠性等因素。這一過程不僅確認(rèn)了研究結(jié)果能得到現(xiàn)有理論的支持，還提出了新的見解或補(bǔ)充，進(jìn)一步充實和擴(kuò)展了相關(guān)理論。在其中能看出在實際進(jìn)行測試的過程中，必須要基于嚴(yán)瑾、完善和規(guī)范的原則，檢驗系統(tǒng)在運行時是否有bug的存在，在存在bug的情況下需要基于實際情況展開調(diào)試工作，確保程序能夠?qū)崿F(xiàn)完美運行(朱文杰,崔怡君,2023)。但需要注意的是，測試工作無法實現(xiàn)對全部bug消除，起到的作用僅僅是減少bug的存在，通過這種方式來最大程度的降低系統(tǒng)出現(xiàn)錯誤現(xiàn)象的概率，保證使用過程中的方便性和安全性。從類型方面來看，當(dāng)前應(yīng)用比較普遍的主要是功能、安全、可用性、性能和兼容性等方面的測試。5.1測試環(huán)境與測試條件處理器：因特爾酷睿處理器I5內(nèi)存：4GB硬盤：80G以上操作系統(tǒng)：Win7-10或windowsXP5.2功能測試功能測試所涉及到的因素比較全面，這在某種程度上彰顯了總的來說能夠概括成五個方面，具體包括安全性、依從性、適用性、準(zhǔn)確性和可操作性。相應(yīng)的功能測試結(jié)果如表5.1所示：表5.SEQ表5-\*ARABIC1系統(tǒng)功能測試測試內(nèi)容測試結(jié)果適用性好準(zhǔn)確性好可操作性好依從性好安全性好5.3性能測試性能測試主要是通過模擬系統(tǒng)運行環(huán)境，測試系統(tǒng)性能是否符合客戶的需求。性能測試的重要技術(shù)指標(biāo)是：系統(tǒng)的運行速度、系統(tǒng)響應(yīng)的時間。這不僅增強(qiáng)了本文對相關(guān)機(jī)制的理解，還為后續(xù)研究提供了有力的支持。此發(fā)現(xiàn)進(jìn)一步鞏固了該領(lǐng)域內(nèi)其他類似研究所得到的結(jié)論，促進(jìn)了理論框架的完善與發(fā)展。（1）運行速度：將系統(tǒng)分別在不同類型的電腦中保持運行狀態(tài)，均未出現(xiàn)停頓或是遲滯的現(xiàn)象。（2）響應(yīng)時間：對于系統(tǒng)的效應(yīng)時間來說，其中主要包括三個方面的因素：①最小響應(yīng)時間；②平均響應(yīng)時間；③最大響應(yīng)時間。這在一定意義上揭示了在經(jīng)過測試過程后能夠確定，當(dāng)初在正常情況時，相應(yīng)的數(shù)值即是0.2/0.5/0.8（s），速度相比于其他系統(tǒng)來說比較快，能夠符合用戶的實際需求(徐天浩,林文和,2023)。5.4測試用例由于篇幅的限制，本文僅展示少量測試內(nèi)容和結(jié)果。測試結(jié)果見表5.2。從表5.2可以看出我們算法識別效果很好。表5.2系統(tǒng)測試案例識別圖片檢測結(jié)果是否正確Dascyllusreticulatus正確Plectroglyphidodondickii正確Chromischrysura正確Amphiprionclarkii正確Chaetodonlunulatus正確Chaetodontrifascialis正確5.5系統(tǒng)運行情況基于上述內(nèi)容，這在某種程度上反映出系統(tǒng)在功能測試、性能測試方面都符合預(yù)期設(shè)定的標(biāo)準(zhǔn)，實現(xiàn)在進(jìn)行系統(tǒng)分析過程中確定的開發(fā)目標(biāo)，達(dá)到設(shè)計要求，識別的準(zhǔn)確率相對比較高。通過在現(xiàn)實中對這種系統(tǒng)進(jìn)行應(yīng)用能夠顯著降低各種資源的使用，包括工作的效率也獲得有效提高，在魚類識別領(lǐng)域具有非常大的現(xiàn)實價值(孫宇航,李晴雯,2023)。

6結(jié)論本次研究基于對Python和ResNet展開全方面的介紹，同時分別在硬件和軟件方面闡述海洋魚類識別系統(tǒng)在現(xiàn)實中的可行性，所獲得的結(jié)論和成果主要在于構(gòu)建出以Python為基礎(chǔ)的海洋魚類識別系統(tǒng)，經(jīng)過本次畢業(yè)設(shè)計的過程，使我明白在學(xué)習(xí)新技術(shù)的過程中，最為關(guān)鍵的是實踐，這在某種程度上標(biāo)明只有這些技術(shù)和知識能夠真正應(yīng)用到實踐中才能得到更好的掌握。在進(jìn)行系統(tǒng)開發(fā)工作時，自身的經(jīng)驗尤為重要，在經(jīng)驗不足的情況下必然會對整個研究工作造成極大的阻礙。本人之前并未針對Python和深度學(xué)習(xí)進(jìn)行過全方面的探究，因此在最初研究時遇到很多困難，包括算法無法調(diào)用、圖像無法顯示等方面，但在各位同學(xué)和老師的指導(dǎo)和幫助下，加上對各種文獻(xiàn)資料的參考使得這些問題都獲得圓滿的解決。在這個過程本人在面對問題時的解決能力獲得顯著提高，現(xiàn)在已經(jīng)能夠從海量的信息中快速尋找到自己需要的信息。同時，在書中知識相同的情況下，各人的編程思路、問題處理方法等都存在較大的差異，這在某種程度上凸顯了因此在實際處理問題時必須要經(jīng)過大量的實踐后確定方案。經(jīng)過本次畢業(yè)設(shè)計的過程，本人不論是在知識還是意志方面都獲