-
题名基于YOLOv5模型的鱼类数量统计方法改进研究
被引量：2
- 1
-
-
作者
覃学标
黄冬梅
宋巍
贺琪
杜艳玲
袁小华
-
机构
上海海洋大学信息学院
上海电力大学电子与信息工程学院
-
出处
《渔业现代化》
CSCD
2022年第6期118-126,共9页
-
基金
国家自然科学基金(61972240)
上海市科委部分地方高校能力建设项目(20050501900、20050500700)。
-
文摘
在渔业养殖过程中,需要定期对养殖池内鱼的数量进行监测。针对现有方法中存在的漏检问题,提出基于YOLOv5模型的局部优选以及改进输出尺度的鱼类数量统计方法。通过增加检测鱼的头部、尾部等局部信息,从鱼的全身、鱼的头部、鱼的尾部三个类别中优选数量最多的类作为数量统计的结果以解决漏检的问题。同时,针对鱼的全身、鱼的头部和鱼的尾部在图像中显示为大尺度或中尺度目标的情况,增加了这两类目标的特征输出以提高模型对目标的检测能力,使得模型能够适用于当前条件下的数量检测。结果显示,通过本方法统计出的数量与人工计数相比误差较小,准确率为96.3%,检测的帧速率为111 fps。在YOLOv5模型的基础上,应用局部优选的策略使得统计数量提高了37.4%,对输出尺度的改进使得统计数量提高了4.9%。该研究可以应用于渔业养殖鱼群数量统计和鱼类检测等方面。
-
关键词
鱼类数量统计
目标检测
局部优选
改进输出尺度
-
Keywords
fish quantity statistics
object detection
local optimization
improved output scale
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
