本發(fā)明涉及水下生物檢測，特別涉及一種基于改進(jìn)yolov8的水下目標(biāo)檢測方法。

背景技術(shù)：

1、海洋覆蓋了地球上97％的水域，孕育了許多生物。隨著人們對海洋的逐漸探索，水下目標(biāo)檢測技術(shù)。然而，水下圖像背景復(fù)雜，易受光照水質(zhì)影響，導(dǎo)致圖像出現(xiàn)嚴(yán)重的色彩偏差以及模糊退化等問題，使得水中圖像中的目標(biāo)位置不易確定，且水下生物中小目標(biāo)眾多，小目標(biāo)所占圖像中像素比例較小，難以清晰可見，易出現(xiàn)漏檢問題，從而降低了水下目標(biāo)檢測準(zhǔn)確率。

技術(shù)實(shí)現(xiàn)思路

1、本申請的目的在于提供一種基于改進(jìn)yolov8的水下目標(biāo)檢測方法，以解決上述背景技術(shù)中提出的水下圖像背景復(fù)雜，易受光照水質(zhì)影響，導(dǎo)致圖像出現(xiàn)嚴(yán)重的色彩偏差以及模糊退化等問題，使得水中圖像中的目標(biāo)位置不易確定，且水下生物中小目標(biāo)眾多，小目標(biāo)所占圖像中像素比例較小，難以清晰可見，易出現(xiàn)漏檢的問題。

2、為實(shí)現(xiàn)上述目的，本申請?zhí)峁┤缦录夹g(shù)方案：一種基于改進(jìn)yolov8的水下目標(biāo)檢測方法，包括以下步驟：

3、將c2f瓶頸中的conv轉(zhuǎn)化為dcnv2可變行卷積，接著添加eca注意力機(jī)制得到c2f_dcnv2_eca模塊；

4、采用雙向特征金字塔網(wǎng)絡(luò)(bifpn)結(jié)合雙向路徑增強(qiáng)和加權(quán)融合特征得到改進(jìn)型頸部特征融合模塊；

5、將siou損失函數(shù)、c2f_dcnv2_eca模塊以及改進(jìn)型頸部特征融合模塊嵌入到y(tǒng)olov8n模型中，得到改進(jìn)型yolov8n模型；

6、利用預(yù)處理后的水下生物圖像對改進(jìn)型yolov8n模型進(jìn)行訓(xùn)練并驗(yàn)證，獲得目標(biāo)檢測模型；

7、利用目標(biāo)檢測模型對實(shí)時(shí)拍攝圖像進(jìn)行檢測，獲得水下生物檢測結(jié)果。

8、進(jìn)一步的，水下生物圖像預(yù)處理的工作步驟包括：

9、先采用白平衡處理，其次進(jìn)行圖像伽馬校正。

10、進(jìn)一步的，對改進(jìn)型yolov8n模型進(jìn)行訓(xùn)練的方法包括：使用余弦退火策略動(dòng)態(tài)調(diào)整學(xué)習(xí)率，通過隨機(jī)梯度下降法進(jìn)行訓(xùn)練。

11、進(jìn)一步的，對訓(xùn)練后的模型進(jìn)行驗(yàn)證的方法包括：對模型輸出結(jié)果進(jìn)行判斷，根據(jù)判斷將模型輸出結(jié)果分為真正例、真負(fù)例、假正例和假負(fù)例，根據(jù)真正例、真負(fù)例、假正例和假負(fù)例的數(shù)量計(jì)算精確度、召回率和平均精度均值，通過精確度、召回率和平均精度均值對訓(xùn)練后的模型進(jìn)行評價(jià)，得到驗(yàn)證結(jié)果。

12、綜上，本發(fā)明的技術(shù)效果和優(yōu)點(diǎn)：

13、本發(fā)明中，通過圖像預(yù)處理、改進(jìn)的網(wǎng)絡(luò)架構(gòu)、特征融合優(yōu)化和損失函數(shù)的改進(jìn)，可以有效提高水下目標(biāo)檢測的性能和魯棒性，加強(qiáng)特征提取，提升目標(biāo)檢測的精度，提高圖像的亮度和對比度，提高圖像的清晰度和可視性，提高觀測效率的同時(shí)，減少后續(xù)誤判漏判的可能性。

技術(shù)特征：

1.一種基于改進(jìn)yolov8的水下目標(biāo)檢測方法，其特征在于：包括以下步驟：

2.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的水下目標(biāo)檢測方法，其特征在于：水下生物圖像預(yù)處理的工作步驟包括：

3.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的水下目標(biāo)檢測方法，其特征在于：對改進(jìn)型yolov8n模型進(jìn)行訓(xùn)練的方法包括：使用余弦退火策略動(dòng)態(tài)調(diào)整學(xué)習(xí)率，通過隨機(jī)梯度下降法進(jìn)行訓(xùn)練。

4.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)yolov8的水下目標(biāo)檢測方法，其特征在于：對訓(xùn)練后的模型進(jìn)行驗(yàn)證的方法包括：對模型輸出結(jié)果進(jìn)行判斷，根據(jù)判斷將模型輸出結(jié)果分為真正例、真負(fù)例、假正例和假負(fù)例，根據(jù)真正例、真負(fù)例、假正例和假負(fù)例的數(shù)量計(jì)算精確度、召回率和平均精度均值，通過精確度、召回率和平均精度均值對訓(xùn)練后的模型進(jìn)行評價(jià)，得到驗(yàn)證結(jié)果。

技術(shù)總結(jié)
本發(fā)明公開了一種基于改進(jìn)YOLOv8的水下目標(biāo)檢測方法，涉及到水下生物檢測技術(shù)領(lǐng)域，包括以下步驟：將C2f瓶頸中的Conv轉(zhuǎn)化為DCNv2可變行卷積，接著添加ECA注意力機(jī)制得到C2f_DCNv2_ECA模塊，采用雙向特征金字塔網(wǎng)絡(luò)結(jié)合雙向路徑增強(qiáng)和加權(quán)融合特征得到改進(jìn)型頸部特征融合模塊，將SIou損失函數(shù)、C2f_DCNv2_ECA模塊以及改進(jìn)型頸部特征融合模塊嵌入到Y(jié)OLOv8n模型中，得到改進(jìn)型YOLOv8n模型。通過圖像預(yù)處理、改進(jìn)的網(wǎng)絡(luò)架構(gòu)、特征融合優(yōu)化和損失函數(shù)的改進(jìn)，可以有效提高水下目標(biāo)檢測的性能和魯棒性，加強(qiáng)特征提取，提升目標(biāo)檢測的精度，提高圖像的亮度和對比度，提高圖像的清晰度和可視性，提高觀測效率的同時(shí)，減少后續(xù)誤判漏判的可能性。

技術(shù)研發(fā)人員：王新華,宋向陽,李壯,鄭慧,馬明威,賈言鑫
受保護(hù)的技術(shù)使用者：東北電力大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2