基于YOLOv5改进模型的丁香鱼围网作业目标检测研究

为解决目前鳀(Engraulis japonicus)限额捕捞与分类统计不准确的问题,提出一种改进YOLOv5的识别算法。该方法将SENet注意力机制引入到YOLOv5主干网络结构中,通过融合捕捞作业不同时期的目标信息并降低复杂背景的干扰,以提高模型检测精度和实时检测效率。采用实际拍摄的鳀作业视频,将视频转化为图片格式实现前期标注和处理,对获得的5 550幅图像按照8∶1∶1划分训练集、验证集和测试集,设置对照实验,将YOLOv5主干网络替换为MobileNetV2,并引进SENet注意力机制,分别通过4种模型进行对比,结果表明,该识别算法获得平均精度均值(mAP)为99.4%、精度为98.9%、召回率为99.1%,相比原模型分别提高了2.5%、3.7%和2.9%。研究结果可以为鳀围网作业的目标识别提供新的思路,同时也为渔获作业统计提供了一种辅助手段。