基于改进 YOLOv10 的大面积水面死鱼检测方法
计算机视觉与模式识别
2024-09-04 v1
摘要
由于多种因素，死鱼经常出现在水面上。如果不及时检测和移除，这些死鱼会导致水质恶化、生态系统受损以及疾病传播等一系列问题。因此，开发快速有效的检测方法以缓解这些挑战至关重要。常规的死鱼检测方法往往受制于人力和时间限制，难以有效管理水生环境的复杂性。本文提出了基于增强型 YOLOv10 框架构建的端到端检测模型，专为快速精准地检测大范围水面上的死鱼而设计。主要改进包括：(1) 用 FasterNet 替换 YOLOv10 的背网络，以降低模型复杂度而保持高检测精度；(2) 通过增强的连接方式改进 Neck 部分的特征融合，并将原有的 C2f 模块替换为 CSPStage 模块；(3) 添加紧凑的目标检测头，以提升对小目标的检测性能。实验结果表明，与基线模型 YOLOv10n 相比，本文模型在 P(精确率)、R(召回率)和 AP(平均精度)方面均取得显著提升。此外，本文模型在 YOLO 系列模型中表现更优，显著降低了模型规模和参数数量，同时保持高推理速度并实现最佳的 AP 性能。该模型实现了大规模养殖系统中死鱼的快速准确检测。最后，通过消融实验，我们系统地分析和评估了每个模型组件对整体系统性能的贡献。
引用
@article{arxiv.2409.00388,
title = {A method for detecting dead fish on large water surfaces based on improved YOLOv10},
author = {Qingbin Tian and Yukang Huo and Mingyuan Yao and Haihua Wang},
journal= {arXiv preprint arXiv:2409.00388},
year = {2024}
}