基于改进YOLOv8和多目标跟踪的鱼苗计数方法

水产养殖业中鱼苗的数量检测是一个重要环节。针对传统的人工计数方法效率低、精度差、易造成鱼苗应激和损伤等问题,该研究以体长20～50 mm的草鱼苗为检测对象,提出了一种基于改进YOLOv8和多目标跟踪的小鱼苗计数方法。根据鱼苗目标小且检测速度要求高的特点,在YOLOv8算法中引入了P2小目标检测层,同时在检测头前添加GAM（global attention mechanism）注意力机制,并将目标识别损失函数优化为Inner-SIoU（inner-SCYLLA- intersection over union）损失函数以加快模型的收敛速度、提高对小目标和重叠目标的识别准确率;然后,针对检测识别到的鱼苗目标,结合多目标跟踪算法实现了一种适用于小鱼苗的跟踪计数方法。
最后通过设计鱼苗计数试验平台、采集制作数据集、训练计数模型并进行计数试验验证该计数方法的优点和性能指标。试验结果表明,平均计数精度、平均绝对误差、均方根误差分别为97.16%、3.67、5.26,各项指标优于YOLOv5+DeepSORT、YOLOv8+DeepSORT、YOLOv8+StrongSORT 、YOLOv8+ByteTrack、YOLOv8+BoT-SORT等方法。该研究方法能够以更快的速度和更高的准确性统计视频中小鱼苗数量,为工厂化水产养殖的鱼苗快速准确计数、生物量估计等奠定了基础。