DAF-YOLO:改进YOLOv8s的轻量化水下目标检测算法
来源：计算机测量与控制杂志2026年第2期北京时间：
作者：刘儒一,刘自超,孙媛媛,宋廷强
单位：青岛科技大学 信息科学技术学院
摘要：水下图像由于海洋环境复杂、干扰物多等因素影响，导致现有的水下目标检测算法往往面临检测精度低、误检和漏检的问题。此外，水下目标检测模型复杂，而勘探设备内存有限，部署成本高，实时检测性能差。为解决这些问题，提出了一种基于改进YOLOv8s轻量级水下目标检测算法DAF-YOLO。该算法对YOLOv8s的主干网络进行了改进，设计了一种改进的C2f模块D2F，增强了特征表征能力，更好地捕捉复杂细节并处理形变，解决检测中的误检和漏检问题。同时，针对颈部特征融合网络中非邻近层融合时的语义差距和信息冲突，使用渐进特征金字塔网络AFPN来支持非邻近层的直接交互，实现多尺度特征的充分融合，提升模型的特征融合能力，从而提高目标检测精度。为了减轻颈部网络的计算负担，还引入了FasterNet中的PConv新型卷积方式，降低了参数量和计算量，实现了颈部网络的轻量化，优化提升了模型的检测速度。实验测试表明，该模型在URPC2020数据集上的准确率提高了3.9%，同时以每秒115.6帧的速度实现了高速检测。此外，模型的参数和计算量也显著降低，分别减少了10.52%和10.91%，进一步实现了算法在精度和速度的平衡。
关键词：水下目标检测;YOLOv8s;D2F;AFPN;FasterNet
基金资助：国家自然科学基金青年项目(32301702)
