-
题名基于改进YOLOv8模型的鱼目标检测识别算法研究
- 1
-
-
作者
刘壮
郭铁铮
-
机构
南京工程学院工业中心
-
出处
《农业装备与车辆工程》
2025年第9期102-107,共6页
-
文摘
YOLOv8是一种基于深度学习的目标检测算法。在水下复杂鱼群监测场景中,该模型在对鱼体目标检测时会出现特征提取能力不足与检测精度下降的问题,从而对鱼群健康评估的准确性产生影响。为应对上述缺陷,在YOLOv8模型算法的基础上引入坐标注意力机制(Coordinate Attention, CA),并与鱼体解剖学约束机制相融合,利用鱼体运动时主轴方向(头尾轴/背腹轴)不变性,引导卷积核沿生物动力学特征偏移。在模型体积可控增长的前提下优化算法。实验结果表明:改进后的算法在多个核心指标上相较于原始算法均有提升,精度、召回率、mAP50以及mAP50-95分别提高3.6%、4.9%、2.4%、6.3%。这一改进提升了水下鱼目标识别的准确性,以促进水下鱼群监测系统理论创新与工程实践的结合。
-
关键词
鱼体目标检测
坐标注意力机制
约束机制
卷积核
-
Keywords
fish body target detection
coordinate attention mechanism
constraint mechanism
convolution kernel
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
