农业机械学报

作者：郑荣才，谭鼎文，徐青，陈大勇，元轲新

单位：南方海洋科学与工程广东省实验室（湛江）,南方海洋科学与工程广东省实验室（湛江）;广东海洋大学,广东海洋大学,南方海洋科学与工程广东省实验室（湛江）,南方海洋科学与工程广东省实验室（湛江）,

关键词：深远海养殖;鲑鱼检测;YOLO v7;Stem模块;多尺度重参数化;卷积块注意力模块

基金：国家重点研发计划项目（2022YFD2401201）、广东省海洋经济发展（海洋六大产业）专项资金项目（GDNRC[2023]33）、南方海洋科学与工程广东省实验室（湛江）项目（011Z23002）和湛江湾实验室人才团队引进科研项目（ZJW-2023-05）

为实现水下复杂环境下鲑鱼的快速准确识别，提出一种基于YOLO v7轻量化的鲑鱼检测模型YOLO v7-CSMRep。首先，采用Stem模块合并Backbone层的前4个卷积操作，有效降低了模型计算量。其次，使用多尺度重参数化（Multi?directional reparameterization, MRep）模块替代YOLO v7的ELAN和ELAN-H模块，增强了单向特征提取能力，同时大幅减少参数量和计算量。最后，在Backbone层末端集成卷积块注意力模块（Convolutional block attention module, CBAM），提升网络空间和通道特征提取能力。试验结果表明，改进后模型内存占用量、参数量和计算量分别降低4.28%、5.29%、31.30%，F1值、mAP0.5分别提高0.5、0.7个百分点，分别达到93.1%、97.1%，帧率提高15.41%，达到140.8f/s。对比YOLO v5s、YOLO v6s、YOLO v7、YOLO v7-tiny、YOLO v8s模型，mAP0.5分别提高1.0、2.0、0.7、0.8、1.2个百分点。因此，本文提出的方法能够快速而准确地识别鲑鱼，可为深远海养殖生物量监测提供技术支撑。

来源：2024年第11期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第11期