基于深度细微特征提取的水下鱼类识别方法研究

来源：大连海洋大学学报杂志2025年第3期北京时间：

作者：陈郁隈, 朱晓龙, 李超凡, 褚文敬, 陈宗乙, 张振禹

单位：1.海南热带海洋学院 海洋科学技术学院，海南 三亚 572022；2.海南热带海洋学院 崖州湾创新研究院，海南 三亚 572022

摘要：为增强在水下复杂环境识别鱼类的能力，采用一种基于深度细微特征提取的水下鱼类识别方法(DFFE-Net)，该方法首先选择具有较强鲁棒性的YOLOv8作为基础模型；其次提出采用可变形卷积DCNv4代替传统卷积构成E-DCN模块，提取深层特征图中的鱼类细微特征；然后为了更精准定位鱼类目标，提出采用Shape-IoU算法优化鱼类边界框位置；最后通过自建的水下鱼类图像数据集进行对比试验。结果表明，提出的识别方法DFFE-Net能够在不增加参数量和计算量的同时，分别提升水下鱼类识别的mAP_50、mAP_75和mAP至95.1%、87.2%、80.3%。研究表明，DFFE-Net能够为水下智能精准监测鱼类提供技术支持。

关键词：鱼类识别,水下复杂环境,YOLOv8,细微特征提取,深度学习

基金资助：海南省自然科学基金(722QN328)；三亚市科技创新专项(2022KJCX83)；海南热带海洋学院科研启动资助项目(RHDRC202205)