第50卷第4期渔业现代化Vol.50No.42023年8月FISHERYMODERNIZATIONAug.2023DOI:10.3969/j.issn.1007-9580.2023.04.015收稿日期:2023-02-27基金项目:广东省区域联合基金项目(2019B1515120017);广东省海洋经济发展(海洋六大产业)专项(GDNRC[2021]42);湛江市现代海洋渔业装备重点实验室(2021A05023)作者简介:俞国燕(1970—),女,教授,研究方向:智能设计与制造,现代化渔业装备等。E-mail:yugy@gdou.edu.cn通信作者:吴振陆(1983—),男,讲师,研究方向:人工智能与物联网工程技术及应用。E-mail:zlwu@gdou.edu.cn基于改进YOLOv7的网箱网衣破损识别方法俞国燕1,3,苏锦萍1,3,陈泽佳1,陈帅兴1,陈其菠1,吴振陆2(1广东海洋大学机械工程学院,广东湛江524088;2广东海洋大学数学与计算机学院,广东湛江524088;3广东省海洋装备及制造工程技术研究中心,广东湛江524088)摘要:网箱网衣极易破损,一旦破损未及时修补,会给养殖户造成巨大的经济损失。为实现智能化网箱网衣破损检测,本研究提出一种基于改进YOLOv7的网箱网衣破损识别方法。该方法通过在Backbone网络使用gnConv结构、Neck网络引入SimAM模块来提升模型表达能力更好聚焦网衣破损处的特征,提高模型的检测精度。Backbone网络使用深度可分离卷积,并减少激活函数和改变卷积步长,同时在Neck网络利用Bottleneck模块使用1×1卷积核的特点和使用性能更佳的Mish激活函数重构模型,以减少参数量和运算成本,实现模型检测速度的提升及尺寸的压缩。通过消融试验和对比试验结果显示,YOLOv7-C3NeHX比原YOLOv7算法的平均精度提高了3.1个百分点,精确率、召回率与F1值分别提升了0.5、4.2与3个百分点,检测速度达到了232.56FPS,GFLOPs和模型尺寸分别占原YOLOv7的38.2%和94.3%。研究表明,改进模型能有效提高识别效率和部署的灵活性,为智能网衣修补机器人的研发提供技术支持。关键词:网衣破损;精准实时识别;目标检测;视觉系统;智能网衣修补机器人中图分类号:S957.9;TP391.4文献标志码:A文章编号:1007-9580(2023)04-0126-011拓展海洋经济发展空间,推进海洋渔业向深远海养殖发展成为必然选择[1-2],但大型深远海养殖设施会因网衣破损引起跑、漏鱼而造成巨大经济损失[3-5],故实现网衣破损的精准实时识别具有重要的研究价值和现实意义。为突破利用专业人员下潜排查这一复杂、危险的传统网衣破损检测方式,国内外学者纷纷开展研究。常用的方法有嵌入检测法[6]、声呐检测法[7]和图像分析法[8]。由于嵌入检测法会缩短网衣使用寿命,而声呐检测法会因鱼...
