改进了基于YOLOv8的方法,用于检测外关键点和测量中国手套的大小

科学领域:

• 水产养殖技术 水产养殖技术
• 计算机视觉用于生物测量.
• 评估甲类的生长情况.

背景情况:

• 贝的大小对于评估中国小 (Eriocheir sinensis) 的生长至关重要.
• 当前的手动测量方法是劳动密集型,主观的,并受到环境和行为因素的限制.
• 为了有效的水产养殖管理,需要精确和高效的甲尺寸测量.

研究的目的:

• 开发一种自动化,非接触式的方法来测量中国手套的体尺寸.
• 增强计算机视觉算法,以提高大小评估的准确性.
• 为水产养殖应用提供可靠的工具.

主要方法:

• 采用了增强的YOLOv8算法,与图像处理的姿势关键点检测相结合.
• 重新设计了YOLOv8l-pose架构与Swin变压器骨干,以获得更优质的特征表示.
• 改进了损失函数,以准确地建模背尺寸的关键点位置的空间相关性.

主要成果:

• 实现了95.88%的平均精度,比基线模型改进了2.61%.
• 达到了91.32%的整体对象关键点相似度.
• 证明尺寸测量误差为4.8% (最大) 和2.34% (平均),证实了方法的可靠性.

结论:

• 拟议的自动化系统有效地使用计算机视觉测量中国手套的体尺寸.
• 增强的YOLOv8-pose模型与Swin变压器提供了显著的准确性和可靠性的改进.
• 这种非接触式测量技术适用于实际的水产养殖应用,增强生长性能评估.