一种基于改进YOLOv7网络的水下生物检测方法技术

本发明专利技术涉及计算机视觉目标检测技术领域，特别是涉及一种基于改进YOLOv7网络的水下生物检测方法。本发明专利技术包括S1、获取水下不同生物数据图像，以作为水下数据集，并将所述水下数据集按照7：1：2的分配比例划分成训练集、验证集、测试集，并对所述水下数据集进行图像数据增强；S2、针对图像增强后的水下数据集，以单阶段检测算法YOLOv7网络结构为基础进行改进，以得到改进后的检测模型；S3、对所述改进后的检测模型使用所述训练集和验证集进行训练，以得到训练后的网络模型和权重；S4、使用所述测试集对所述训练后的网络模型和权重进行测试，评估测试结果。本发明专利技术提高了模型的准确率，进一步降低了模型的部署成本，提高了模型的泛化能力。

【技术实现步骤摘要】

本专利技术涉及计算机视觉目标检测，特别是涉及一种基于改进yolov7网络的水下生物检测方法。

技术介绍

1、随着陆地资源的日益匮乏，全球许多先进国家开始转向海洋——这个覆盖地球超过七成面积的未知领域。海洋勘探与开发领域中，水下目标识别技术正变得越来越关键。这项技术利用计算机视觉对捕捉到的水下照片进行细致分析，以识别和确定水下物体的种类和位置。

2、水下图像是传递海洋信息的直接且关键的媒介，它记录了海底生物、地形等丰富的数据。探索如何将目标识别技术与人工智能的最新发展相结合，对于迅速并准确地挖掘这些图像中的信息至关重要。这不仅能够显著促进海洋渔业和水产养殖业等海洋产业的发展，也对海洋资源的勘探和海军的沿海防御战略具有重要影响。

3、然而，现有技术中的水下图像数据面临着由环境和设备带来的挑战，如颜色失真、小目标较多、背景复杂等，这些问题通常导致识别精度和效率不高。如何提供一种有效的基于深度学习的水下目标识别算法，实现水下目标的快速、准确检测，成为了亟需解决的问题。

技术实现思路p>

1、鉴于以本文档来自技高网...

【技术保护点】

1.一种基于改进YOLOv7网络的水下生物检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进YOLOv7网络的水下生物检测方法，其特征在于，步骤S1中所述的图像数据增强，是对所述水下数据集即为水下图像数据，通过使用retinex算法进行图像数据修复，再将图像数据修复后的图像数据通过DCP去雾算法进行去雾处理。

3.根据权利要求1所述的一种基于改进YOLOv7网络的水下生物检测方法，其特征在于，步骤S2中的所述以单阶段检测算法YOLOv7网络结构为基础进行改进，以得到改进后的检测模型包括：

4.根据权利要求1所述的一种基于改进YOLOv7...

【技术特征摘要】

1.一种基于改进yolov7网络的水下生物检测方法，其特征在于，包括：

2.根据权利要求1所述的一种基于改进yolov7网络的水下生物检测方法，其特征在于，步骤s1中所述的图像数据增强，是对所述水下数据集即为水下图像数据，通过使用retinex算法进行图像数据修复，再将图像数据修复后的图像数据通过dcp去雾算法进行去雾处理。

3.根据权利要求1所述的一种基于改进yolov7网络的水下生物检测方法，其特征在于，步骤s2中的所述以单阶段检测算法yolov7网络结构为基础进行改进，以得到改进后的检测模型包括：

4.根据权利要求1所述的一种基...

【专利技术属性】
技术研发人员：巩高荣，丁绪星，张盼悦，杨珍，汪春，
申请(专利权)人：安徽师范大学，
类型：发明
国别省市：