一种基于YOLOv8网络结构的高体鰤检测方法技术

本发明专利技术公开了一种基于YOLOv8网络结构的高体鰤检测方法，所述检测方法包括下列步骤：建立包含多角度、多光线条件、多分辨率高体鰤图像的高体鰤数据集，并进行预处理，将预处理后的高体鰤数据集划分为训练集、验证集和测试集；以YOLOv8网络作为基础网络，建立改进的YOLOv8检测网络，在所述改进的YOLOv8检测网络中增加瓶颈注意力模块，在颈部网络中增加小目标检测层和小目标检测头，在C2f模块中使用可变形卷积DCNv2替代固定卷积层,以及重构建立SPPF‑LSKA池化层，将YOLOv8网络的损失函数修改为Inner‑MDPIoU损失函数；通过所述训练集训练所述改进的YOLOv8检测网络；利用训练好的改进的YOLOv8检测网络对待检测的高体鰤图像进行目标识别。

【技术实现步骤摘要】

本专利技术涉及鱼类检测，特别是涉及一种基于yolov8网络结构的高体鰤检测方法。

技术介绍

1、高体鰤（seriola dumerili），俗称“章红鱼”，一种主要分布于海洋中上层，在各大洋热带及温带水域生长的鱼类，因其生长迅速、肉质鲜美，营养丰富，在全球海鲜市备受欢迎。但是，现阶段养殖主要依靠捕捞野生幼鱼作为种苗培养繁育，其人力消耗较大，养殖成本较高，不规范的大量捕捞存在种质退化的风险。因此，鰤鱼的智能识别有助于减少捕捞带来的人工消耗，保护种群质量，对资源评估和生态环境监测具有积极意义。在人工捕捞过程中，受光线、水质、鱼群遮挡等因素影响，鱼群在水中的运动状态难以准确识别，捞错鱼、捞伤鱼等情况难以避免。所以，如何高效地检测高体鰤，成为合理捕捞和保护高体鰤种群的关键问题。

2、不同于陆地其他生物的识别任务，鱼类识别任务是一项具有挑战性的工作 。首先是数据集的获取，由于水下环境的多样性对采集装置有较高的要求，数据集获取难度较大。现有的公开数据集，如 lifeclef15、fish4knowledge、lscd1、fishpak等数据集均存在图像噪声本文档来自技高网...

【技术保护点】

1.一种基于YOLOv8网络结构的高体鰤检测方法，其特征在于，所述检测方法包括下列步骤：

2.根据权利要求1所述的一种基于YOLOv8网络结构的高体鰤检测方法，其特征在于，所述高体鰤数据集中包含早、中、晚光线条件下的水上和水下两个角度的高体鰤图像，将数据集按照7：2：1比例划分为训练集、验证集和测试集。

3.根据权利要求1所述的一种基于YOLOv8网络结构的高体鰤检测方法，其特征在于，预预处理过程包括：对拍摄到的视频抽取图像帧，去除模糊画面；其次，对部分数据集画面裁剪，部分数据集使用图像增强软件进行处理；对傍晚采集的图像，使用Sigmoid-Contrast方法增...

【技术特征摘要】

1.一种基于yolov8网络结构的高体鰤检测方法，其特征在于，所述检测方法包括下列步骤：

2.根据权利要求1所述的一种基于yolov8网络结构的高体鰤检测方法，其特征在于，所述高体鰤数据集中包含早、中、晚光线条件下的水上和水下两个角度的高体鰤图像，将数据集按照7：2：1比例划分为训练集、验证集和测试集。

3.根据权利要求1所述的一种基于yolov8网络结构的高体鰤检测方法，其特征在于，预预处理过程包括：对拍摄到的视频抽取图像帧，去除模糊画面；其次，对部分数据集画面裁剪，部分数据集使用图像增强软件进行处理；对傍晚采集的图像，使用sigmoid-contrast方法增强图像明暗对比度；对夜晚采集的图像，使用canny方法突显目标边缘。

4.根据权利要求1所述的一种基于yolov8网络结构的高体鰤检测方法，其特征在于，可变形卷积dcnv2的表达式为：

5.根据权利要求4所述的一种基于yolov8网络结构的高体...

【专利技术属性】
技术研发人员：刘洺辛，李瑞鑫，林聪，侯明鑫，
申请(专利权)人：广东海洋大学，
类型：发明
国别省市：