基于通道非降维与空间协调注意力的改进YOLOv8养殖鱼群检测

涂万1,2 于红1,2 张鹏1,2 韦思学1,2 张鑫1,2 杨宗轶1,2 吴俊峰1,2 林远山1,2 胡泽元1,2

1.大连海洋大学信息工程学院辽宁省海洋信息技术重点实验室；2.设施渔业教育部重点实验室(大连海洋大学)

为解决真实养殖环境中因鱼群模糊、遮挡造成的鱼类目标检测困难等问题，采用基于通道非降维与空间协调注意力ECAM(efficient coordination attention module)的改进YOLOv8养殖鱼群检测方法YOLOv8-Head-ECAM以提高检测精度。首先在FPN(feature pyramid network)中增加大尺寸检测头，更好地捕捉水下鱼类个体的细节信息，以加强对鱼群特征的提取能力，然后使用ECAM注意力机制减少模糊背景的干扰，聚焦鱼类个体的关键特征，以加强对模糊鱼群的识别能力，并设计了消融试验和模型对比试验以验证算法的有效性。结果表明：相比于YOLOv8,YOLOv8-Head-ECAM模型的准确率、召回率和平均精度均值分别提高了2.3%、1.7%和1.6%;与目前检测准确率较高的养殖鱼群检测模型KAYOLO、DCM-ATM-YOLOv5、SK-YOLOv5和ESB-YOLO相比，平均精度均值分别提高了0.7%、1.0%、2.4%和2.0%。研究表明，本文中提出的YOLOv8-Head-ECAM模型能够较好地适应水下鱼群模糊、遮挡的情况，提高了鱼群检测的有效性。

注意力机制；YOLOv8；特征提取；鱼群检测；计算机视觉

中国水产学报

3079-1456

20234

地球与环境