文献类型： 中文期刊

作者： 张佳泽 ¹ ; 张胜茂 ¹ ; 樊伟 ¹ ; 唐峰华 ¹ ; 杨胜龙 ¹ ; 孙永文 ² ; 王书献 ² ; 刘洋 ³ ; 朱文斌 ⁴ ;

作者机构： 1.中国水产科学研究院东海水产研究所

2.大连海洋大学航海与船舶工程学院

3.上海海洋大学信息学院

4.浙江省海洋水产研究所

关键词： 鳀;围网捕捞;YOLOv5;注意力机制;目标检测

期刊名称： 海洋渔业

ISSN： 1004-2490

年卷期： 2023 年 45 卷 005 期

页码： 618-630

收录情况： 北大核心 ; CSCD

摘要： 为解决目前鳀(Engraulis japonicus)限额捕捞与分类统计不准确的问题,提出一种改进YOLOv5 的识别算法.该方法将SENet注意力机制引入到YOLOv5 主干网络结构中,通过融合捕捞作业不同时期的目标信息并降低复杂背景的干扰,以提高模型检测精度和实时检测效率.采用实际拍摄的鳀作业视频,将视频转化为图片格式实现前期标注和处理,对获得的5 550 幅图像按照 8∶1∶1 划分训练集、验证集和测试集,设置对照实验,将YOLOv5 主干网络替换为MobileNetV2,并引进SENet注意力机制,分别通过4 种模型进行对比,结果表明,该识别算法获得平均精度均值(mAP)为 99.4%、精度为 98.9%、召回率为 99.1%,相比原模型分别提高了2.5%、3.7%和2.9%.研究结果可以为鳀围网作业的目标识别提供新的思路,同时也为渔获作业统计提供了一种辅助手段.