基于改进YOLOv8的渔港船舶进出港目标检测与统计方法

来源：大连海洋大学学报杂志2024年第3期北京时间：

作者：惠卓凡, 李鹏龙, 沈烈, 沈辉, 隋江华, 张胜茂

单位：1.大连海洋大学 航海与船舶工程学院，辽宁 大连 116023；2.中国水产科学研究院东海水产研究所 农业农村部渔业遥感重点试验室，上海 200090；3.辽宁省海洋与渔业行政执法总队，辽宁 大连 116023

摘要：为减轻渔港执法人员在渔船进出港统计工作中的压力，提出了一种基于改进YOLOv8模型的渔港船舶进出港目标检测与统计模型YOLOv8n-Bi-FPN-EMA，该模型采用加权双向特征金字塔网络结构(Bi-FPN)，引入高效多尺度注意模块(EMA)以提高模型的目标检测准确性和稳定性，并结合BoT-SORT跟踪算法实现对不同类型船舶进出渔港的分类统计。结果表明：与YOLOv8n模型相比，YOLOv8n-Bi-FPN-EMA模型的准确率提高了5.0%，mAP@0.5提高了0.2%，对执法船、拖船和渔船的识别准确率分别提高了9.9%、4.9%、0.3%。其中，对渔船的识别准确率为99.1%，召回率为84.4%，mAP@0.5为97.8%。研究表明，YOLOv8n-Bi-FPN-EMA模型在渔船识别上有较好的表现，可用于渔船识别与进出港统计的辅助工作。

关键词：深度学习,目标检测,YOLOv8,渔船识别,进出港统计,伏渔季管理

基金资助：国家自然科学基金(61936014)