公开(公告)号：CN118865484A

公开(公告)日：2024-10-29

申请号：CN202410826554.0

申请日：2024-06-25

Applicant: 大连海洋大学

Inventor： 胡泽元 ,  张艺爔 ,  刘吉航 ,  左宇琪 ,  贾松怡 ,  李尹佳

IPC: G06V40/20 ,  G06V10/25 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明提出一种基于深度分离卷积与可变形自注意力的鱼类异常检测方法，包括采集水域中的鱼类图像作为待检测图像并进行预处理，得到鱼类图像数据集；对DETR模型进行改进，具体为：使用SimAM权重注意力模块替换EfficientNet主干网络中的SE注意力机制，将改进EfficientNet主干网络作为改进DETR模型的主干特征提取网络，在DETR模型的颈部引入Slim‑Neck模块；将鱼类图像数据集输入改进DETR模型中，通过Focal Loss损失函数训练，得到训练后的改进DETR模型；将待进行检测的鱼类图像输入训练后的改进DETR模型中，得到鱼类异常行为检测结果和鱼类个体目标的位置信息。本发明提高了检测精度和检测效率，能够提高渔业生产效率。

公开(公告)号：CN118762395A

公开(公告)日：2024-10-11

申请号：CN202410773406.7

申请日：2024-06-17

Applicant: 大连海洋大学

Inventor： 胡泽元 ,  李尹佳 ,  张艺爔 ,  刘吉航 ,  贾松怡 ,  左宇棋

IPC: G06V40/20 ,  G06V40/10 ,  G06V10/774 ,  G06V20/70 ,  G06V10/82 ,  G06V10/764 ,  G06V10/42 ,  G06V10/44 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明提出一种基于改进YOLOv9模型的鱼类异常行为检测方法，包括采集水域中的鱼类图像作为待检测图像，将待检测图像进行预处理，得到图像数据集；将YOLOv9模型的特征提取模块RepNCSPELAN4替换为DRNELAN4模块，将YOLOv9模型的Head检测头替换为DCNv4‑Dyhead检测头，将YOLOv9模型的损失函数替换为EMA‑SlideLoss损失函数，得到改进YOLOv9模型；将图像数据集输入到改进YOLOv9模型中训练改进YOLOv9模型；将待检测的水域中鱼类图像输入训练后的改进YOLOv9模型中，得到鱼类异常行为检测结果和鱼类个体目标的位置信息。本发明在复杂水环境下对高密度、遮挡鱼群的检测精度高，计算速度快，可以满足快速检测需求。