基于YOLOv5-R-CNN 的海域空间自然资源立体化分布仿真分析

来源：海洋技术学报杂志2026年第02期北京时间：

作者：张胜伟,何冬晓,侯健,陈香伊

单位：单位张胜伟1，何冬晓1，侯健2，陈香伊2（1. 日照市海洋与渔业研究院,山东日照276800；2. 青岛中海基业海洋科技有限公司,山东青岛266555）

摘要：由于海域空间环境复杂，获取的海域内水下图像往往会出现雾化、色彩偏差、边缘模糊等问题，进而影响分析结果的准确性，为此，本文将YOLOv5 （You Only Look Once version 5）和区域卷积神经网络（Region-based Convolutional Neural Network，R-CNN） 融合，建立了基于YOLOv5-R-CNN 融合模型的海域空间自然资源立体化分布仿真分析方法。借助R-CNN 模型结合光波削减规律，去除原始海域空间图形的雾化情况，并校正图形颜色，以提升海域内水下图像质量。引入缓存资源分配机制（Cache Resource Allocation Mechanism，CRAM） 通道融入空间注意机制，自适应学习YOLOv5 多通道权重信息，通过YOLOv5 快速筛选海域内自然资源潜在目标，构建YOLOv5 与R-CNN 的融合模型。利用该模型识别定位自然资源，并依据其空间分布特征建立海域视平面网格，结合闵可夫斯基差理念判断点集交集，计算色调映射平均光照，构建海域空间自然资源仿真立体化分布模型。基于该模型分析自然资源多层次分布，利用R-CNN 预测框识别资源类型，通过平方误差距离立体匹配确定资源边界框，实现对海域空间自然资源立体化分布的仿真分析。实验结果表明：该方法分析的自然资源预测框与实际结果之间差距不足5 cm，准确分析了海域空间自然资源立体化分布情况，为海洋资源开发提供可靠依据。

关键词：YOLOv5-R-CNN；海域空间；立体化分布；自然资源；图像增强