1.一种基于变步长学习率寻优策略的鱼类智能分选方法，其特征在于，步骤如下：步骤1：构建基于迁移学习的特征提取网络

1.1、构建数据集

以A、B、C三种鱼类与其他品种混合鱼类为对象，采集鱼类的图像构建四种鱼类的数据集；

1.2、图像预处理

对数据集中图像统一尺寸为224*224的RGB三通道图片并进行归一化处理；

1.3、轻量型神经网络模型的迁移学习选用轻量型神经网络ResNet18基础模型进行迁移学习；

针对A类、B类、C类三种鱼分类问题，基于轻量型神经网络ResNet18，依照对应鱼类类别数，将轻量型神经网络ResNet18原有的全连接层输出OutputSize设置为3，并重新训练网络ResNet18的权重参数；同时，为了防止过拟合现象，选用SGDM算法和带有L2正则惩罚项的损失函数，以增强网络泛化性能，得到收敛稳定的目标函数；

步骤2：变步长学习率寻优策略

通过分析学习率与验证集准确率的变化规律，提出变步长学习率寻优策略；变步长学习率寻优策略的核心思想是通过区间细分的思想，由每一个区间的训练结果表征该区间的准确率系数，具体为：在未达到目标精度km之前，选取该轮寻优区间局部最优解的两侧区间作为下一轮目标区间，循环寻优至达到目标精度，确定对应目标精度的全局最佳学习率；

以验证集准确率为指标，进行变步长学习率寻优，提高模型训练效率；

2.1、变步长学习率选定规则

‑5 ‑5

[1*10 ，1]区间内学习率的选定：在[1*10 ，0.1]区间内，学习率采用变幅小步长的学习率选定方法；剩余区间(0.1，1]内，采用等幅较大步长的学习率选定方法；

2.1.1、大区间快速定位

‑5

在区间[1*10 ，0.1]内变幅小步长选定学习率，学习率lr1选定公式如下：k2为学习率整体区间最大值1，参数n越大，步长越小，参数n取正整数，在[1,5]范围内依此选取；

在区间(0.1，1]内选用等幅较大步长s1选定学习率lr2，公式如下：lr2＝m*s1(3)

k1为学习率经验区间最大值0.1，k2为学习率整体区间最大值1，参数p取正整数9；参数m取正整数，在[2,10]范围内依此选取；

2.1.2、小区间精确寻优

小区间精确寻优建立在大区间快速定位基础上，根据大区间快速定位中各个学习率作为超参数对网络模型进行训练，以训练结果中准确率最大值对应的学习率lrb为基准，选取基准左侧学习率lrl、右侧学习率lrr，分别作为小区间左值和右值，在此小区间进行精确寻优；

小区间精确寻优以s2为步长，学习率选定公式如下：当lrb‑lrl≤10km时，s2＝km(4)

*

lr1＝lrl+s2(5)

*

km为学习率精度，人为设定值，lr1为更新后的学习率取值；

当lrb‑lrl≥10km时，*

lr1＝lrl+s2(7)

*

参数p取正整数9，lr1为更新后的学习率取值；

同样的，当lrr‑lrb≤10km时，s2＝km(8)

*

lr2＝lrb+s2(9)

*

km为学习率精度，lr2为更新后的学习率取值；

当lrr‑lrb≥10km时，*

lr2＝lrb+s2(11)

*

参数p取正整数9，lr2为更新后的学习率取值；

2.2、变步长学习率寻优流程

连续三次准确率低于80％或区间学习率全部取值，该轮寻优中断，下轮寻优开始；区间长度小于等于km或验证集准确率高于99％时寻优结束，输出最佳学习率；区间长度大于km或验证集准确率低于99％时寻优继续，重复进行小区间精确寻优的步骤；

步骤3：输出目标分类结果

以0.95为阈值对鱼进行分类，若某条鱼对于某一种类的判定结果大于0.95，则判断该鱼是对应种类，若某条鱼对于A类、B类、C类三种鱼的判定结果均小于0.95，则判断该鱼是其他干扰鱼类。