农业机械学报

作者：袁红春，李春桥

单位：上海海洋大学,上海海洋大学,

关键词：水下生物识别;目标检测;YOLO v8n;Wise-IoU;可变形卷积网络;分数阶傅里叶变换

基金：国家自然科学基金项目（41776142）

水下生物目标检测是实现水下机器人自动化捕捞的关键性技术。针对水下生物目标检测任务中存在的目标重叠、遮挡以及目标尺度小而导致的误检、漏检等问题，提出了一种基于改进YOLO v8n的水下生物目标检测算法FDC-YOLO v8。首先，在主干网络中使用融合可变形卷积网络的FDC模块，以增强模型特征提取能力，提升其提取特征的丰富度。其次，引入融合分数阶傅里叶变换和空间注意力机制的FrSAConv模块，进一步分离多样目标特征，增强模型对多种特征的感知能力。最后，引入Wise-IoU损失函数作为模型边界框损失函数，以更好地解决目标不平衡以及尺度差异的问题。使用RUIE数据集进行实验，水下生物包括海胆、海星、海参、扇贝。实验结果表明，改进后的FDC-YOLO v8的平均精度均值达到85.3%，较基准模型提升2.6个百分点，推理速度达到769f/s，在目标重叠、遮挡以及小尺度目标的水下生物目标检测中有更好的表现。

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