农业机械学报

作者：陈明，甘冬梅，卢鹏，顾浩，栗征

单位：上海海洋大学;农业农村部渔业信息重点实验室,上海海洋大学;农业农村部渔业信息重点实验室,上海海洋大学;海洋测绘与智能分析实验室,上海海洋大学;农业农村部渔业信息重点实验室,农业农村部渔业信息重点实验室;上海时粼信息科技有限公司,

关键词：虾苗;YOLO v8;多目标跟踪;金字塔Lucas-Kanade光流法

基金：广东省重点领城研发计划项目(2021B0202070001)

虾苗养殖的智能化在提高养殖效率和降低人工成本方面展现出巨大潜力，虾苗跟踪技术对于深入研究虾苗的活力和质量具有重要价值。由于虾苗体积微小、身体半透明且密度高，传统方法面临许多挑战：小尺寸目标易于被漏检，高密度下检测精度低，以及因虾苗外表相似、移动速度快导致跟踪误差大。针对此问题，选取P15阶段的南美白对虾虾苗作为研究对象，提出一种基于改进YOLO v8的南美白对虾虾苗跟踪方法。选取改进YOLO v8网络作为检测器，使用CARAFE代替YOLO v8的Upsample上采样层，CARAFE自适应上采样保留虾苗的半透明边缘和形态特征，减少失真；结合BiFormer注意力机制和C2f提出C2f-BFB模块优化骨干网络，在保持模型轻量化的同时，提升模型在处理小目标时的精度；将原模型的CIoU损失替换成Wise-Focaler-ShapeIoU损失函数，进一步提升了检测精度。提出了一种融合距离匹配算法和角度匹配算法的匹配策略，并引入金字塔LK光流法，从而构建一个准确又稳定的跟踪器，有效解决了因虾苗移动快、外表相似导致的跟踪误差问题。实验结果表明，改进的YOLO v8的平均精度均值（mAP@0.5）比原模型提高1.1个百分点，召回率提升2.9个百分点，显著减少了漏检情况并提高了检测精度。本文所提跟踪器的MOTA为74.52%、MOTP为75.62%、IDF1为76.42%，与DeepSORT、SORT、ByteTrack算法相比，MOTA显著提高，跟踪效果良好。本研究为自动化虾苗养殖提供了有力的技术支持，也为相关领域的研究提供了思路和方法。

来源：2025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2025年第11期