请选择 目标期刊

具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法 下载:19 浏览:247

李鹏龙1,2 张胜茂2 沈烈1 樊伟2 顾家辉1 邹国华3 《中国水产学报》 2024年3期

摘要:
为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存,添加了新的视觉通用变换器BiFormer以提升计算效率,并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明:使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果,慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明,本文中设计的YOLOv8n-BiFormer模型具有通用性,在检测和追踪血鹦鹉和慈鲷目标方面均表现优异,消耗的计算资源较少,可部署在水族箱监控系统中,为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

具有双层路由注意力机制的YOLOv8血鹦鹉目标检测与追踪方法 下载:19 浏览:247

李鹏龙1,2 张胜茂2 沈烈1 樊伟2 顾家辉1 邹国华3 《中国水产学报》 2024年3期

摘要:
为了检测观赏鱼类的行为及其健康状况,设计了一种具有双层路由注意力机制的血鹦鹉(Vieja synspila♀×Amphilophus citrinellus♂)目标检测模型YOLOv8n-BiFormer,该方法在YOLOv8n模型基础上添加了双层路由注意力以减少计算量和内存,添加了新的视觉通用变换器BiFormer以提升计算效率,并采用ByteTrack算法追踪血鹦鹉的运动轨迹。结果表明:使用YOLOv8n-BiFormer模型对血鹦鹉的检测准确率达到99.2%,召回率为93.7%,平均精度均值(mAP@0.5)为99.1%,相较于YOLOv8n模型分别提升了0.8%、1.4%、1.0%;使用该模型对水族箱中的慈鲷(Chindongo demasoni)进行检测追踪同样取得了较好的效果,慈鲷的检测准确率达到97.0%,召回率为93.4%,平均精度均值为96.5%,相较于YOLOv8n模型召回率和平均精度分别提升了1.8%和1.9%。研究表明,本文中设计的YOLOv8n-BiFormer模型具有通用性,在检测和追踪血鹦鹉和慈鲷目标方面均表现优异,消耗的计算资源较少,可部署在水族箱监控系统中,为观赏鱼信息记录自动化和智能化提供了可行的解决方案。

中国近海捕捞机动渔船航次特征数据挖掘 下载:50 浏览:324

高明远1,2 张胜茂2 汤先峰2 樊伟2 范秀梅2 伍玉梅2 朱文斌3 《中国水产学报》 2021年1期

摘要:
为加强渔船进出港管理和捕捞渔获物监管,解决信息上报中主观性大,报告信息错误、虚假报告等问题,利用北斗船位数据记录渔船出海作业的时间、位置、航速、航向等信息,通过航次特征数据挖掘,分析了港口格网、岸线点与北斗船位终端记录轨迹的空间关系,提取到2.5万余艘渔船的39.98万个航次数据,并利用船位点球面距离累加计算航程,利用船位点到岸线点距离计算平均离岸距离,分析了中国近海渔船的航次特征。结果表明:渔船出港时间集中在每日8:00—17:59,进港时间集中在每日5:00—10:59和13:00—18:59;航次特征数据受大小潮、朔望日等影响较大,可划分为1~10d、11~15d、16~21d和22~30d等航次时长段;渔船的航次时长、航程和平均离岸距离均由江苏省向北、向南降低。研究表明,利用北斗船位数据提取航次具有速度快、实时性强的特点,是渔船管理的重要信息源之一,可为渔船进出港管理提供参考。
[1/1]
在线客服::点击联系客服
联系电话::400-188-5008
客服邮箱::service@ccnpub.com
投诉举报::feedback@ccnpub.com
人工客服

工作时间(9:00-18:00)
官方公众号

科技成果·全球共享