文献类型：期刊文章

作　　者：孙月莹[1] 陈俊霖[2] 张胜茂[3] 王书献[3] 熊瑛[4] 樊伟[3]

SUN Yueying;CHEN Junlin;ZHANG Shengmao;WANG Shuxian;XIONG Ying;FAN Wei(College of Information,Shanghai Ocean University,Shanghai 201306,China;School of Navigation and Naval Architecture,Dalian Ocean University,Dalian 116023,China;Key Laboratory of Fisheries Remote Sensing,Ministry of Agriculture and Rural Affairs,P.R.China,East China Sea Fisheries Research Institute,Chinese Academy of Fishery Sciences,Shanghai,200090,China;Jiangsu Marine Fisheries Research Institute,Nantong 226007,China)

机构地区：[1]上海海洋大学信息学院,上海201306 [2]大连海洋大学航海与船舶工程学院,大连116023 [3]农业农村部渔业遥感重点试验室,中国水产科学研究院东海水产研究所,上海200090 [4]江苏省海洋水产研究所,南通226007

出　　处：《农业工程学报》

基　　金：崂山实验室专项(LSKJ202201804);中国水产科学研究院基本科研业务项目(2020TD82);国家自然科学基金项目(61936014)。

年　　份：2023

卷　　号：39

期　　号：10

起止页码：151-162

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAB、CAS、CSCD、CSCD2023_2024、EAPJ、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：渔船捕捞信息量化是开展限额捕捞精细化管理的前提,为解决中国毛虾限额捕捞目标识别和信息统计量化问题,研究了在中国毛虾限额捕捞渔船上安装电子监控(electronic monitoring,EM)设备,并基于YOLOv7提出一种改进的目标检测算法(YOLOv7-MO)和目标计数算法(YOLOv7-MO-SORT)。YOLOv7-MO目标检测算法采用MobileOne作为主干网络,在输出端head部分加入C3模块,并完成剪枝操作;YOLOv7-MO-SORT目标计数算法将SORT(simple online and realtime tracking)算法中的Fast R-CNN替换为YOLOv7-MO,用于检测捕捞作业中抛出的锚和装有毛虾的筐。采用卡尔曼滤波和匈牙利匹配算法对检测到的目标进行跟踪预测,设置碰撞检测线、时间戳、阈值和计数器,实现对捕捞作业过程中渔获毛虾筐数和下网数量计数。结果表明:1)改进后的YOLOv7-MO在测试集上的平均检测精度、召回率、F1得分分别达到了97.3%,96.0%,96.6%,相比YOLOv7模型分别提升了2.0、1.1和1.5个百分点。2)改进后的YOLOv7-MO模型大小、参数量和浮点运算数分别为64.0 MB、32.6 M、39.7 G,相比YOLOv7模型分别缩小了10.2%、10.6%和61.6%。3)以YOLOv7-MO为检测器的SORT算法毛虾捕捞作业计数准确率在统计毛虾筐数和下网数量上分别达到80.0%和95.8%。YOLOv7-MO在提高检测精度的同时减轻了模型量级,提高了检测效率。结果表明,该研究能够为实现渔船捕捞作业信息记录自动化和智能化提供方法,为毛虾限额捕捞管理提供决策参考依据。

关 键 词：机器视觉  目标检测 中国毛虾 限额捕捞  电子监控系统 YOLOv7  SORT

分 类 号：S975]