文献类型： 中文期刊

作者： 罗毅智 ¹ ; 陆华忠 ¹ ; 周星星 ¹ ; 袁余 ¹ ; 齐海军 ¹ ; 李斌 ¹ ; 刘志昌 ¹ ;

作者机构： 1.广东省农业科学院设施农业研究所;农业农村部设施农业装备与信息化重点实验室;广东省农业科学院;广东省农业科学院动物科学研究所(水产研究所)

关键词： 前视声纳;鱼类;轻量化;目标识别;网箱

期刊名称： 广东农业科学

ISSN： 1004-874X

年卷期： 2023 年 50 卷 007 期

页码： 37-46

收录情况： 北大核心 ; CSCD

摘要： [目的]网箱生物识别和统计是海洋牧场的养殖管理的关键参考因素之一.针对混响噪声和复杂背景的干扰,构建不同光照条件下鱼类检测数据集,采用前视声呐成像技术,提出一种基于YOLOV5-MobilenetV3和声呐图像的鱼类识别轻量化模型(LAPR-Net),实现浑浊或黑暗场景下水体网箱的鱼类识别.[方法]以罗非鱼为研究对象,基于YOLOV5模型的框架结构,主干网络模块采用轻量级MobileNetV3 bneck模块,利用线性瓶颈的逆残差结构和深度可分离卷积提取声呐图像中鱼类的特征,通过注意力机制SE-Net获取声呐图像多尺度语义特征并增强特征之间的相关性;颈部网络采用路径聚合网络结构,对目标特征进行多尺度融合,增强特征融合能力;预测部分采用基于非极大抑制方法进行最大局部搜索,去除冗余的检测框,筛选置信度最高的检测框,最终输出并显示鱼的检测结果,包含位置、类别以及检测目标的概率.[结果]选择4种其他主流的检测模型进行对比试验,包含 YOLOV3-ting(Darknet53)、YOLOV5(CSPdarknet53)、YOLOV5(Repvgg)、YOLOV5s(Transformer),提出模型参数量为3 545 453、计算量为6.3 G、mAP为0.957,模型平均每张图片推理速度为0.08868 s,同YOLOV5模型相比,改进后模型mAP提高9.7%.[结论]本文提出的模型提高了训练和识别速度,降低了硬件设备要求,可为海洋牧场网箱养殖鱼类检测模型提供参考.