基于通道非降维注意力机制与改进YOLOv5的养殖鱼群检测

养殖环境中模糊、气泡遮挡等现象影响养殖鱼特征提取，使养殖鱼群检测精度不佳，为解决上述问题，提出融合通道非降维双重注意力机制ECBAM与改进YOLOv5的养殖鱼群检测模型ESB-YOLO(ECBAM-SPPF-BiFPN-YOLO)。使用ECBAM注意力机制获取更多细节特征；为缓解加入ECBAM导致的检测时间增加、速度变慢，使用SPPF替换SPP,减少模型计算量，降低模型检测时间，提高检测速度；为提高YOLOv5特征融合效果，使用BiFPN进行特征权重融合，提高有效特征在特征融合的比重，减少特征丢失。为了验证改进模块对YOLOv5的影响，设计了消融试验。试验结果显示：ESB-YOLO相比YOLOv5在保持检测速度的条件下平均精度提升了2.40%;设计模型对比试验，验证了ESB-YOLO的优越性，相比FERNet、SWIPENet及SK-YOLOv5等先进水下目标检测模型，ESB-YOLO在平均精度上分别具有3.10%、3.90%与0.70%的优势。研究表明，本研究所提的模型对养殖鱼群目标检测效果更佳，可以满足养殖鱼群检测要求。