【技术实现步骤摘要】
本专利技术涉及图像处理，尤其涉及一种基于改进yolov8n的鱼摄食强弱检测方法。
技术介绍
1、在集约化水产养殖中，鱼类的投喂水平直接决定了生产效率和养殖成本。过量投喂不仅会造成饲料浪费，而且残余的饲料分解还会产生氨氮等有毒物质，导致水体富营养化，增加鱼类患病风险；饲料投喂不足则会增加鱼类间的侵略性，易抢食而导致伤残。实时量化鱼类摄食行为，并以此为据调整投喂，有助于解决上述问题；对鱼类的摄食动作进行检测可以获取鱼类的摄食频率和摄食时间等信息，为优化投放饲料提供理论依据和数据支撑。
2、目前水产养殖摄食强度检测方法的研究主要集中在基于机器学习的水产动物的计数和饲料颗粒的计数，而对鱼类摄食行为判断的研究相对较少。
3、公开号为cn114419432a的专利，对待测图像中鱼体位置信息进行聚类分析，获得鱼群聚集度，并对待检测图像中的浮饵进行识别和计数；将获得的鱼群聚集度和浮饵数量输入至训练后的摄食强度评估模型中，获得摄食强度评估模型输出的摄食强度类型，摄食强度评估模型采用bp神经网络模型，但bp神经网络隐含层设置过多或过...
【技术保护点】
1.一种基于改进YoLoV8n的鱼摄食强弱检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进YoLoV8n的鱼摄食强弱检测方法，其特征在于，改进YoLoV8n网络还包括：在Backbone层的SPFF模块后引入SE注意力机制。
3.根据权利要求1所述的基于改进YoLoV8n的鱼摄食强弱检测方法，其特征在于，改进YoLoV8n网络还包括：将Neck层的Concat连接替换为BiFPN连接。
4.根据权利要求1所述的基于改进YoLoV8n的鱼摄食强弱检测方法，其特征在于，改进YoLoV8n网络还包括：将Detect层...
【技术特征摘要】
1.一种基于改进yolov8n的鱼摄食强弱检测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于改进yolov8n的鱼摄食强弱检测方法，其特征在于，改进yolov8n网络还包括：在backbone层的spff模块后引入se注意力机制。
3.根据权利要求1所述的基于改进yolov8n的鱼摄食强弱检测方法，其特征在于，改进yolov8n网络还包括：将neck层的concat连接替换为bifpn连接。
4.根据权利要求1所述的基于改进yolov8n的鱼摄食强弱检测方法，其特征在于，改进yolov8n网络还包括：将detect层的cbs卷积替换为abs卷积。
5.根据权利要求1所述的基于改进yolov8n的鱼摄食强弱检测方法，其特征在于，改进yolov8n网络还包括：对检测框的损失函数进行改进，构建αwiou损失函数，公式为...
【专利技术属性】
技术研发人员：史兵，殷锐，金旭，蒲天恒，陈永康，
申请(专利权)人：常州大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。