采用注意力机制与改进YOLOv5的水下珍品检测

来源：农业工程学报杂志2021年第18期北京时间：

作者：林森,刘美怡,陶志勇,

摘要：海胆、海参、扇贝等水下珍品在渔业中具有重要意义和价值，最近，利用机器人捕捞水下珍品成为发展趋势。为了探测水下珍品的数量及分布情况，使水下机器人获得更加可靠的数据，该研究提出基于注意力机制与改进YOLOv5的水下珍品检测方法。首先，使用K-means匹配新的锚点坐标，增加多个检测尺度提升检测精度；其次，将注意力机制模块融入特征提取网络Darknet-53中获得重要特征；然后，利用Ghost模块的轻量化技术优势，引入由Ghost模块构成的Ghost-BottleNeck代替YOLOv5中的BottleNeck模块，大幅度降低网络模型的参数与计算量；最后，将IOU_nms修改为DIOU_nms以优化损失函数。采用基于实际水下环境建立的数据集，样本数量为781幅图像，按照9∶1的比例随机划分训练与测试集，对改进的网络进行验证。结果表明，该研究算法可获得95.67%平均准确率，相比YOLOv5算法可提升5.49个百分点，试验效果良好，研究结果可以为水下珍品的检测捕捉提供更加准确快捷的方法。

关键词：机器视觉, 图像识别, 水下珍品, 轻量化, YOLOv5, 注意力机制, 多尺度