基于动态自适应特征学习的水下鱼类识别方法

来源：电子测量技术杂志2025年第23期北京时间：

作者：朱晓龙，李超凡，陈郁隈，陈祥子，褚文敬

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

摘要：针对水下复杂环境中鱼类识别易出现误检与漏检的问题，提出了一种基于YOLOv8n的动态自适应特征学习的识别方法FD-YOLO。首先，在主干中设计将多尺度并行卷积与具备区域自适应调节的RFA结合，构建MRFA模块增强对鱼类细微特征差异的学习能力。其次，在颈部中提出将双通道融合结构与CARAFE结合，构建ECARU模块作为上采样模块动态调整特征权重，提升鱼类局部细节重构。最后，为抑制样本分布不均导致的识别偏差，引入具有动态调节因子的Varifocal Loss作为损失函数，提高对水下鱼类位置的判定能力。实验结果表明，与YOLOv8n相比，FD-YOLO的精确率、召回率、mAP50-95分别提升了3.6%、4.9%和3.7%，参数量和计算量分别降低至2.5 MB和6.8 GFLOPs。该研究结果能够为水下目标自动检测和监测提供技术支持和参考。

关键词：深度学习;水下图像;鱼类识别;动态自适应;YOLOv8n

基金资助：国家自然科学基金(42266005)、海南省院士创新平台科研项目(YSPTZX202507)、海南省科技计划三亚崖州湾科技城科技创新联合项目(2021CXLH0002)、三亚市科技创新专项项目(2022KJCX83)、海南热带海洋学院崖州湾创新研究院重大科技计划项目(2022CXYZD003, 2023CXYZD001)资助