一种基于改进制造技术

本发明专利技术提出一种基于改进

【技术实现步骤摘要】
一种基于改进YOLOv7模型的鱼类目标个体位置检测方法


[0001]本专利技术属于智能识别
，具体公开了一种基于改进
YOLOv7
模型的鱼类目标个体位置检测方法
。
[0002]背景介绍
[0003]鱼群的自动检测技术有助于实现精准养殖的智能化生产和科学管理，降低成本，提高养殖效益，但在工业化水产养殖环境中，存在大量残饵和排泄物，造成水体浑浊，使密集鱼群的视觉特征不显著，难以进行精确的数量统计和生产管理
。
针对此类问题，利用计算机视觉技术对工业化养殖环境中的鱼群进行目标检测，已经成为水产养殖中的一项重要技术，可以无接触式的检测鱼群目标，避免传统的水下设备对鱼群行为产生干扰
。
在计算机视觉任务中，深度学习网络从像素级的原始数据中逐层提取信息，抽象语义概念，使得它在提取图像的全局特征和上下文信息方面具有突出的优势
。
然而，通用模型在复杂水下环境中检测效果不佳，受水光吸收和散射的影响，水下光学成像系统捕获的图像会遇到噪声干扰增加
、/>纹理特征不显著<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于改进
YOLOv7
模型的鱼类目标个体位置检测方法，其特征在于，包括如下步骤：
S1.
采集养殖水域中的图像作为待检测图像，将待检测的图像进行预处理和增强操作，得到数据增强图像数据集；
S2.
在
YOLOv7
模型的
SPPCSPC
模块后添加
BiFomer
注意力机制模块，在
YOLOv7
模型的损失函数模块中添加
NWD
损失函数模块，得到改进
YOLOv7
模型；
S3.
将步骤
S1
中预处理后得到的所述数据增强图像数据集输入到步骤
S2
获得的所述改进
YOLOv7
模型中，通过所述数据增强图像数据集训练所述改进
YOLOv7
模型，得到训练好的改进
YOLOv7
模型；
S4.
将待检测的采集养殖水域图像输入所述步骤
S3
中得到的训练好的改进
YOLOv7
模型中，得到鱼类目标个体的位置信息
。2.
根据权利要求1所述的一种基于改进
YOLOv7
模型的鱼类目标个体位置检测方法，其特征在于，所述步骤
S1
中，所述预处理包括调整图像的尺寸大小和归一化像素值
。3.
根据权利要求1所述的一种基于改进
YOLOv7
模型的鱼类目标个体位置检测方法，其特征在于，所述步骤
S1
中，所述增强操作包括水平镜像翻转
、
垂直翻转和水平垂直翻转
。4.
根据权利要求2所述的一种基于改进
YOLOv7
模型的鱼类目标个体位置检测方法，其特征在于，所述步骤
S2
中，所述
BiFomer
注意力机制模块采用
BiFomer
注意力机制，用于在粗区域级别过滤掉不相关的键张量和值张量，保留小部分路由区域，所述
BiFomer
注意力机制的基本构建块包括双层路由注意，所述
BiFomer
注意力机制包括：构建区域级亲和关系图：对于给定的输入特征图其中，
W
表示特征图的宽度，
H
表示特征图的高度，
C
表示特征图的通道数，将特征图划分为
S
×
S
个大小为
HW/S2的不重叠区域，得到特征图线性投影为查询
Q、
键
K
和值
V
，计算方法如公式
(1)
‑
(3)
所示：
Q
＝
X
r
W
q
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)K
＝
X
r
W
k
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)V
＝
X
r
W
v
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
其中，
W
q
为查询
Q
投影权值，
W
k
为键
K
的投影权值，
W
v
∈R
C
×
C
为值
V
的投影权值；构造带有向图的区域到区域路由：将查询
Q
和键
K
沿区域平均化分别得到区域级查询
Q
r
和键
K
r
，其中通过
Q
r
与转置
K
r
的矩阵乘法，得到表示区域间关联程度的邻接矩阵
A
r
，邻接矩阵
A
r
中的元素用于度量所述数据增强图像中两个区域在特征信息上的相似程度，如公式
(4)
所示：
A
r
＝
Q
r
(K
r
)
T
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
每个节点只保留前
k
个连接，对邻接矩阵
A
r
进行修剪，获得路由索引矩阵
I
r
，如公式
(5)
所示：
I
r
＝
topkIndex(A
r
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)
在各个区域内通过路由索引矩阵
I
r
对细粒度的
token
进行自注意力计算：收集键张量和值张量，如公式
(6)
‑
(7)
所示：
K
g
＝
gather(K
，
I
r
)
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(6)
V
g
＝
gather(V
，
I
r

【专利技术属性】
技术研发人员：胡泽元，李尹佳，涂万，张鹏，韦思学，
申请(专利权)人：大连海洋大学，
类型：发明
国别省市：