改进YOLOv8的轻量化水下生物检测模型

来源：计算机工程与应用杂志2025年第6期北京时间：

作者：闵锋, 张雨薇, 刘煜晖, 刘彪

单位：武汉工程大学 智能机器人湖北省重点实验室，武汉 430205

摘要：在复杂自然环境下高效探测水下生物资源对中国渔业具有重要意义，为了解决YOLO系列针对复杂的水下环境的检测能力较弱且模型泛化性不足等问题，提出一种基于改进YOLOv8n的水下生物目标检测的方法SGDC-YOLOv8。将深度监督的思想融入检测头，利用共享感受野注意力卷积提高检测精度的同时优化感受野，引入额外的监督损失函数来实现参数共享的高效检测头；为降低计算成本和参数量，设计了轻量化门控正则单元部分卷积模块为模型减负；针对水下生物目标的特征容易模糊或丢失的问题，提出浅层混合池下采样模块和深层最大池下采样模块，以优化多尺度特征融合，并保证关键数据的准确性和完整性；在网络中加入卷积与注意力融合CAFM模块来增强全局和局部的特征建模。在公开数据集DUO上的实验结果表明，相比于基线模型YOLOv8n，SGDC-YOLOv8在mAP@50上提升2.5个百分点，在mAP@50-95提升1.8个百分点，参数量和计算量分别降低14.62%和15.85%，FPS提升至146.2，相比于其他主流目标检测模型表现效果也最佳。

关键词：水下目标检测,YOLOv8,轻量化,深度监督