采用注意力机制与改进YOLOv5的水下珍品检测

摘要：

海胆、海参、扇贝等水下珍品在渔业中具有重要意义和价值,最近,利用机器人捕捞水下珍品成为发展趋势.为了探测水下珍品的数量及分布情况,使水下机器人获得更加可靠的数据,该研究提出基于注意力机制与改进YOLOv5的水下珍品检测方法.首先,使用K-means匹配新的锚点坐标,增加多个检测尺度提升检测精度;其次,将注意力机制模块融入特征提取网络Darknet-53中获得重要特征;然后,利用Ghost模块的轻量化技术优势,引入由Ghost模块构成的Ghost-BottleNeck代替YOLOv5中的BottleNeck模块,大幅度降低网络模型的参数与计算量;最后,将IOU nms修改为DIOU nms以优化损失函数.采用基于实际水下环境建立的数据集,样本数量为781幅图像,按照9∶1的比例随机划分训练与测试集,对改进的网络进行验证.结果 表明,该研究算法可获得95.67％平均准确率,相比YOLOv5算法可提升5.49个百分点,试验效果良好,研究结果可以为水下珍品的检测捕捉提供更加准确快捷的方法.

关键词：机器视觉;图像识别;水下珍品;轻量化;YOLOv5;注意力机制;多尺度

所属期刊栏目：37

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划2018YFB1403303

在线出版日期：2021-12-16（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：307-314