基于YOLOv8-M的海洋底栖生物检测算法

来源：计算机测量与控制杂志2026年第3期北京时间：

作者：薄明迪,刘勇

单位：青岛科技大学 信息科学技术学院

摘要：当前的目标检测算法在复杂的海底环境中表现较差，对海洋底栖生物的识别精度较低；为此，针对海洋底栖生物的检测问题进行研究，提出了一种基于YOLOv8-M的改进模型IFL-YOLO；针对特征提取不足问题展开研究，设计C2f-dcs模块，通过结合空洞卷积与注意力机制，扩大模型感受野，增强网络特征提取能力，优化小目标检测性能；针对传统特征融合方式缺乏上下文信息的问题进行研究，设计CGF模块，应用自适应特征融合，有效融合上下文信息，提升定位精度，并引入小目标检测头进一步提高检测精度；采用自适应标签分配方法，根据不同类别样本的统计特征进行自适应的IoU阈值设定，改善正负样本分配能力；经实验验证，改进后模型在DUO海洋底栖生物数据集上实现了73.4%的检测精度，较改进前提高了3.1%，显著提高模型检测精度。

关键词：海洋底栖生物检测;YOLOv8;空洞卷积;自适应特征融合;自适应标签分配

基金资助：中国科学院海洋大科学中心(KEXUE2019GZ04)；山东省重点研发计划(2023RKY02009)