IMC-YOLO:用于在泥平面环境中进行辅助剃须捕捞的检测模型
Jianhao Xu1, Lijie Cao1, Lanlan Pan2
1College of Information Engineering, Dalian Ocean University, Dalian, China.
PeerJ. Computer science
|February 3, 2025
概括
本研究介绍了一种使用物体检测的智能剃须捕捞方法,以提高效率和减少环境损害. 拟议的IMC-YOLO模型准确地识别了剃须刀洞,平衡了精度和模型大小.
科学领域:
- 海洋生物学 海洋生物学
- 计算机科学 计算机科学
- 环境科学 环境科学
背景情况:
- 潮间泥文化 (IMC) 面临着渔业效率和环境影响之间的冲突.
- 剃刀捕捞需要改进的方法来提高产量,同时尽量减少生态损害.
研究的目的:
- 开发一种使用物体检测的智能剃须捕鱼方法.
- 准确识别和计数剃须洞穴,提高捕捞效率并减少对环境的破坏.
主要方法:
- 建立了一个剃须刀洞穴数据集.
- 提出了一个改进的You Only Look Once版本8 (YOLOv8) 模型,名为IMC-YOLO.
- 引入了以代注意力为基础的超级特征交互 (IAIFI) 模块,重构头网,FasterNet 块和三分支卷积注意力机制 (TBCAM).
主要成果:
- 该IMC-YOLO模型实现了高性能指标:mAP50的0.963,mAP50:95的0.636,和F1best的0.918.
- 在关键绩效指标方面,与基线模型相比,表现出2.2%,3.5%和2.4%的显著改善.
- 与其他主流物体检测模型相比,IMC-YOLO在检测精度和模型大小之间取得了更好的平衡.
结论:
- 拟议的IMC-YOLO模型有效地提高了鱼捕捞效率.
- 智能方法显著减少了潮间泥文化中对自然环境的破坏.
- IMC-YOLO为可持续和高效的水产养殖实践提供了一个有希望的解决方案.


