文献类型：期刊文章

作　　者：林森[1] 刘美怡[2] 陶志勇[2]

Lin Sen;Liu Meiyi;Tao Zhiyong(School of Automation and Electrical Engineering,Shenyang Ligong University,Shenyang 110159,China;School of Electronic and Information Engineering,Liaoning Technical University,Huludao 125105,China)

机构地区：[1]沈阳理工大学自动化与电气工程学院,沈阳110159 [2]辽宁工程技术大学电子与信息工程学院,葫芦岛125105

出　　处：《农业工程学报》

基　　金：国家重点研发计划(2018YFB1403303)。

年　　份：2021

卷　　号：37

期　　号：18

起止页码：307-314

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2021_2022、EAPJ、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

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

分 类 号：TP391]