螃蟹物种具有高度多样性，其精准识别对生产管理、成熟度预测、产量估算及自动化分拣至关重要。针对传统深度学习需全类别样本一次性输入的局限性，本研究创新性地将自适应聚合网络(AANets)与间接学习统一分类器(LUCIR)框架相结合，通过三大核心改进实现突破：1) 在ResNet18骨干网络中采用ReLU6激活函数保留图像特征细节；2) 在每个BasicBlock模块嵌入高效金字塔分割注意力(PSA)机制强化特征提取；3) 引入基于k-means聚类的样本回放策略平衡新旧知识。实验数据表明，该方案在自建数据集上适应性指标达92.30%，显著优于iCaRL等传统方法10.15-21.76个百分点，为水产养殖智能化提供了可动态扩展的物种识别解决方案。

打赏

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》