面向海洋牧场智能化建设的海珍品实时检测方法

作者：洪亮; 王芳; 蔡克卫; 陈鹏宇; 林远山^*

来源：农业工程学报, 2021, 37(09): 304-311.

• 深度学习
• 机器视觉
• 卷积神经网络
• YOLOv3网络
• 深度可分离卷积
• 海珍品目标检测

海珍品检测对海洋牧场的智能化建设至关重要,在实时性和准确性方面仍有待提高。该研究提出一种改进的YOLOv3海珍品检测方法。利用深度可分离卷积替代YOLOv3中的标准卷积,得到一个轻量化网络模型DSC-YOLO(Depthwise Separable Convolution-YOLO);在数据预处理方面,采用图像增强方法 UGAN提升海珍品图像清晰度,采用Mosaic数据增广方法丰富数据的多样性。在海珍品数据集上的试验结果显示,相较YOLOv3而言,所提模型大小减少70%,推理时间降低16%,召回率R提高了2.7%,平均准确率提高了2.4%,F1分数提高了0.4%。可见该方法模型小、实时性好,具有部署到移动设备上的潜力。

• 单位
  大连海洋大学