基于改进YOLOv7的密集鱼群计数检测

【目的】提高在水体浑浊和鱼群高密度聚集等复杂环境中的鱼群检测精度。【方法】提出一种基于双层路由注意力机制（BiFormer）和Normalized Wasserstein Distance(NWD)损失函数的改进YOLOv7的密集鱼群计数检测方法。在保留细粒度特征的基础上，提高模型对多尺度特征的学习能力，同时降低模型对模糊图像中小目标位置偏差的敏感性，加强对浑浊水域中鱼群的识别能力。为评估该模型的有效性，在红鳍东方鲀（Takifugu rubripes）数据集上与其他网络模型进行对比实验。【结果】该方法在红鳍东方鲀数据集上的准确率和召回率分别达到98.05%和97.69%，平均精度达到99.10%，较YOLOv7相比分别提升2.46%、3.73%和2.62%。与目前检测准确率较高的其他水下目标检测模型相比，平均精度平均提高4.25%。【结论】实现真实养殖环境下浑浊水域中鱼群的准确检测，有助于科学指导工业化水产养殖的生产管理，提高养殖效率，减少资源浪费。