基于改进YOLOv7模型的海参苗计数方法研究

来源：计算机技术与发展杂志2024年第11期北京时间：

作者：孙俊洋;符运来;吕晶;常立群;李双双

摘要：针对海参幼苗体型小、出售量大但计数不方便的问题,以大连市鑫玉龙养殖基地为样本采集地,构建了海参幼苗数据集。 针对 YOLOv7 对海参幼苗识别精度不高的问题,对 YOLOv7 原生网络进行改进,添加了注意力机制;并对卷积神经网络模型进行改进,在卷积的输入特征图中新增对应的通道来表征特征图像素点的坐标,让卷积学习过程中能够一定程度感知坐标来提升检测精度;添加轻量化上采样算子,利用输入特征图来预测上采样核,每个位置具有不同的上采样核,然后基于预测的上采样核进行特征重组;提升小个体海参的识别精度。 实验结果显示,基于改进 YOLOv7 的海参检测平均准确率为 90. 68% ,比 YOLOv3 提高了 9. 79 百分点,比 Mask R-CNN 提高了 6. 48 百分点,比 SSD 提高了 5. 35 百分点,比 YOLOv7 原模型提高了 1. 46 百分点。 结果表明,该方法能用于实现海参计数识别。

关键词：卷积神经网络;目标检测;空间注意力;YOLOv7;海参苗计数