农业机械学报

作者：段青玲，乔雅琪，刘怡然，冯晓晓，冉逊，刘春红

单位：中国农业大学,中国农业大学;中国农业大学烟台研究院,中国农业大学,中国农业大学;中国农业大学烟台研究院,中国农业大学,中国农业大学,

关键词：石斑鱼;目标检测;目标跟踪;YOLO v8;BoT-SORT;轻量化

基金：国家重点研发计划项目（2022YFD2001701）和重庆市技术创新与应用发展专项重点项目(CSTB2022TIAD-ZXX0053)

水产养殖中，鱼类跟踪是实现鱼类行为监测、水质异常报警、鱼类生长状况评估的基础，但现有方法存在计算耗时长、模型占用空间大、在边缘端设备部署困难等问题。针对上述问题，本文以石斑鱼为研究对象，提出一种基于轻量化YOLO v8与BoT-SORT的石斑鱼跟踪方法，该方法包括目标检测和目标跟踪两个阶段。在目标检测中，采用YOLO v8m作为基线网络，引入卷积模块FasterConv以减少参数量；加入EMA（Excitation and modulation attention）机制以保持模型精度；使用多尺度特征融合模块Fusion并调整Neck网络结构以提高模型的特征融合能力。在目标跟踪部分，BoT-SORT算法简化了鱼体的运动状态变量，加入相机运动补偿（Camera motion compensation, CMC）以应对鱼体外观剧烈变化，最后利用ResNeST50网络提取较高置信度检测框内鱼体的外观特征，实现了鱼体跟踪。在自建的石斑鱼数据集上进行了训练和验证，目标检测模型mAP@0.5为95.80%；其模型内存占用量为23.7MB，相较原始YOLO v8m模型降低54.42%；将本文的轻量化目标检测模型应用到BoT-SORT算法，MOTA为78.774%，FPS达到28.20f/s，在对比实验中综合性能大幅超过SORT、DeepMoT等算法。本方法可以实现石斑鱼的检测与跟踪，为石斑鱼的养殖提供技术支撑。

来源：2025年第9期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第9期