基于改进YOLOv8n—ByteTrack模型的海参原位计数方法

来源：中国农机化学报杂志2026年第3期北京时间：

作者：刘可心, 王芳, 洪胜呈, 林远山, 张德轩, 黄友富

单位：1. 大连海洋大学信息工程学院，大连市，116023； 2. 辽宁省海洋信息技术重点实验室，大连市，116023；3. 大连市智慧渔业重点实验室，大连市，116023

摘要：针对海参养殖中人工计数效率低、成本高的问题，提出一种基于改进YOLOv8n与ByteTrack的动态原位计数方法，旨在复杂水下环境中实现高精度的自动化计数。首先，使用GhostConv和GhostC3替换YOLOv8n中的Conv和C2f以减少模型的浮点计算量、参数量，同时使用焦点调制（FM）模块替换YOLOv8n中快速空间金字塔池化（SPPF）模块，并引入SE注意力机制以提高对海参的识别准确率。其次，改进ByteTrack跟踪中的卡尔曼滤波模型，提升跟踪性能。试验结果表明，改进后的模型在检测任务中的平均精度均值、精确率、召回率分别达到88.90%、93.20%和81.20%，在多目标跟踪任务中，高阶跟踪精度、多目标追踪精度和IDF1得分及帧率分别提升为69.95%、72.68%、84.43%和49.84帧/s。在真实养殖场景测试中，模型的计数精度达95.58%，平均绝对误差为2.00，均方根误差仅为2.55。该研究方法能够以更快的速度和更高的准确性统计视频中养殖海参数量，为海参养殖的智慧管理提供科学决策依据。

关键词：海参计数,原位计数,无人船,目标检测,多目标跟踪

基金资助：辽宁省属本科高校基本科研业务费专项资金资助（2024JBZDZ004，2024JBQNZ011）；辽宁省重点研发计划（2023JH26/10200015）；2023中央财政对辽宁渔业补助项目；辽宁省自然基金资助计划（2020—KF—12—09）；辽宁省教育厅基本科研项目（LJ212410158022，LJKZ0730）；设施渔业教育部重点实验室开放课题（202219）；广西重点研发计划（桂科AB23075150）；辽宁省应用基础计划项目（2022JH2/101300187）；辽宁省自然科学基金计