工厂化养殖死鱼检测及定位系统研究

【目的】 在工厂化循环水养殖中,过度密集的养殖环境和不稳定的水质等因素会导致水体污染和鱼类缺氧,进而引发鱼类死亡。因此,及时检测和清除死鱼对于维护水质和防止疾病传播至关重要。【方法】 文章将目标检测模型和双目视觉定位技术相结合,实现对死亡鱼类的实时检测和精准定位。首先采用CLAHE图像增强算法,解决水下死鱼图像面临的光的吸收、散射和折射等问题;其次基于YOLOv7模型构建了死鱼目标检测网络YOLOv7-PC,该网络采用部分卷积模块替换骨干网络中的高效层聚合网络（ELAN）的传统卷积模块,并在Neck网络中引入了坐标注意力机制模块,实现了对被遮挡和水下死鱼目标的实时精准检测;最后结合立体匹配算法SGBM实现对水下死鱼目标的三维定位,为死鱼机器人的打捞提供了视觉感知信息。该研究以大口黑鲈为例,基于不同距离采集的视频数据集进行测试,验证了YOLOv7-PC模型结合SGBM立体匹配算法的准确性和实时性。【结果】 该研究提出的YOLOv7-PC-CLAHE模型精确率、召回率及平均精度分别为97.6%、85.6%和97.0%,对比基础YOLOv7模型平均精度提高了2.5%,检测速度提升了31.9%;结合SGBM立体匹配算法能够精准进行死鱼定位,在深度方向上平均相对误差为3.08%。【结论】 该文方法有效实现了对水下死亡鱼类的实时检测和精准定位,算法效果满足工厂化养殖的需求。