农业机械学报

作者：李健源，柳春娜，卢晓春，吴必朗

单位：三峡大学,中国水利水电科学研究院,三峡大学,中国水利水电科学研究院,

关键词：鱼道过鱼监测;YOLOv5s;损失函数;TensorRT

基金：中国水利水电科学研究院“五大人才”计划专项(SD0145B032021)和国家自然科学基金项目（51809291）

为实现在复杂水体下对鱼道过鱼进行监测，提出了一种基于YOLOv5s的改进模型，并用TensorRT部署应用于某水电站鱼道现场。首先，针对水下图像模糊、目标检测困难的问题，提出了将Swin Transformer（STR）作为检测层，提升了模型对目标的检测能力；其次，针对鱼群密集、图像信息少的问题，将Efficient channel attention（ECA）注意力机制作为主干特征提取网络C3结构的Bottleneck，减少了计算参数并提升了检测精度；然后，针对检测目标定位差、回归不收敛的问题，将Focal and efficient IOU loss（FIOU）作为模型损失函数，优化了模型整体性能；最后将模型部署在TensorRT框架进行优化，处理速度得到了大幅度提升。基于实际采集的复杂水体数据集进行实验，结果表明，本文算法mAP为91.9%，单幅图像处理时间为10.4ms，在相同条件下，精度比YOLOv5s提升4.8个百分点，处理时间减少0.4ms。模型使用TensorRT部署后单幅图像推理时间达到2.3ms，在不影响检测精度的前提下，推理速度提高4.5倍。综上，本文算法模型在保证快速检测的基础上，具有较高的准确性，更适用于复杂水体下鱼道过鱼监测。

来源：2022年第12期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第12期