基于改进YOLOv7的网箱网衣破损识别方法

网箱网衣极易破损，一旦破损未及时修补，会给养殖户造成巨大的经济损失。为实现智能化网箱网衣破损检测，本研究提出一种基于改进YOLOv7的网箱网衣破损识别方法。该方法通过在Backbone网络使用gnConv结构、Neck网络引入SimAM模块来提升模型表达能力更好聚焦网衣破损处的特征，提高模型的检测精度。Backbone网络使用深度可分离卷积，并减少激活函数和改变卷积步长，同时在Neck网络利用Bottleneck模块使用1×1卷积核的特点和使用性能更佳的Mish激活函数重构模型，以减少参数量和运算成本，实现模型检测速度的提升及尺寸的压缩。通过消融试验和对比试验结果显示，YOLOv7-C3NeHX比原YOLOv7算法的平均精度提高了3.1个百分点，精确率、召回率与F₁值分别提升了0.5、4.2与3个百分点，检测速度达到了232.56FPS,GFLOPs和模型尺寸分别占原YOLOv7的38.2%和94.3%。研究表明，改进模型能有效提高识别效率和部署的灵活性，为智能网衣修补机器人的研发提供技术支持。