期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进YOLOv8s与ByteTrack的养殖海参计数方法
1
作者
王芳
洪胜呈
+3 位作者
刘可心
温佳伟
张滨
林远山
《农业工程学报》
北大核心
2025年第13期234-242,共9页
为解决海参养殖过程中人工采样计数方法成本高、效率低、误差大等问题,该研究提出一种基于改进YOLOv8s和ByteTrack的自动化养殖海参计数方法。该方法由检测、跟踪和计数3个部分组成:在检测部分,针对YOLO系列检测器在水下环境中检测性能...
为解决海参养殖过程中人工采样计数方法成本高、效率低、误差大等问题,该研究提出一种基于改进YOLOv8s和ByteTrack的自动化养殖海参计数方法。该方法由检测、跟踪和计数3个部分组成:在检测部分,针对YOLO系列检测器在水下环境中检测性能不足问题,提出改进模型YOLOv8s-BB。通过在Backbone和Neck部位分别引入BCAM(BiFormer convolutional attention module)和BiFormer注意力模块增强其特征提取和融合能力,提升检测精度;在跟踪部分,针对ByteTrack算法在水下环境中对目标关联匹配性能不佳问题,提出基于三级级联匹配的TriSORT跟踪算法,提升跟踪稳定性;在计数部分,设计了未激活轨迹去除计数法,对比分析了其与过线计数的性能差异。结果表明:YOLOv8s-BB检测器的平均精度达88.9%,召回率为77.8%,F1值为84.2%,相较于YOLOv8s、YOLOv7-tiny、YOLOv9s和YOLOv11s检测模型,均保持领先优势;TriSORT的多目标跟踪准确度(MOTA)和ID调和平均数(IDF1)达74.00%和85.03%,较ByteTrack分别提高6.55和5.54个百分点;未激活轨迹去除计数法平均计数精度达95.46%,绝对误差为1.90,明显优于过线计数法。该研究通过检测-跟踪-计数的全流程优化,实现了高效、准确的自动化养殖海参计数,为海参养殖的生物量估算、投喂管理、销售决策等关键环节提供可靠的数据支持。
展开更多
关键词
水产养殖
目标跟踪
种群计数
海参
水下视觉
深度学习
在线阅读
下载PDF
职称材料
题名
基于改进YOLOv8s与ByteTrack的养殖海参计数方法
1
作者
王芳
洪胜呈
刘可心
温佳伟
张滨
林远山
机构
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
大连市智慧渔业重点实验室
出处
《农业工程学报》
北大核心
2025年第13期234-242,共9页
基金
辽宁省科技计划联合基金项目(2023-BSBA-001)
辽宁省重点研发计划项目(2023JH26/10200015)
+3 种基金
辽宁省属本科高校基本科研业务费专项资金项目(2024JBQNZ011,2024JBZDZ004)
吉林省科技发展计划项目(20230101060JC)
辽宁省教育厅基本科研项目(LJ212410158022,LJKZ0730)
辽宁省自然科学基金计划博士科研启动项目(2024-BS-214)。
文摘
为解决海参养殖过程中人工采样计数方法成本高、效率低、误差大等问题,该研究提出一种基于改进YOLOv8s和ByteTrack的自动化养殖海参计数方法。该方法由检测、跟踪和计数3个部分组成:在检测部分,针对YOLO系列检测器在水下环境中检测性能不足问题,提出改进模型YOLOv8s-BB。通过在Backbone和Neck部位分别引入BCAM(BiFormer convolutional attention module)和BiFormer注意力模块增强其特征提取和融合能力,提升检测精度;在跟踪部分,针对ByteTrack算法在水下环境中对目标关联匹配性能不佳问题,提出基于三级级联匹配的TriSORT跟踪算法,提升跟踪稳定性;在计数部分,设计了未激活轨迹去除计数法,对比分析了其与过线计数的性能差异。结果表明:YOLOv8s-BB检测器的平均精度达88.9%,召回率为77.8%,F1值为84.2%,相较于YOLOv8s、YOLOv7-tiny、YOLOv9s和YOLOv11s检测模型,均保持领先优势;TriSORT的多目标跟踪准确度(MOTA)和ID调和平均数(IDF1)达74.00%和85.03%,较ByteTrack分别提高6.55和5.54个百分点;未激活轨迹去除计数法平均计数精度达95.46%,绝对误差为1.90,明显优于过线计数法。该研究通过检测-跟踪-计数的全流程优化,实现了高效、准确的自动化养殖海参计数,为海参养殖的生物量估算、投喂管理、销售决策等关键环节提供可靠的数据支持。
关键词
水产养殖
目标跟踪
种群计数
海参
水下视觉
深度学习
Keywords
aquaculture
object tracking
population counting
sea cucumber
underwater vision
deep learning
分类号
T391.41 [一般工业技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进YOLOv8s与ByteTrack的养殖海参计数方法
王芳
洪胜呈
刘可心
温佳伟
张滨
林远山
《农业工程学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
