翟先一 魏鴻磊 韓美奇 黃萌

摘要： 為了實現(xiàn)水下海參的自動化捕撈，需要利用機器視覺方法實現(xiàn)水下海參的實時檢測與定位。本研究提出一種基于改進YOLOv5s的水下海參檢測定位方法。針對海參與水下環(huán)境對比度較低的問題，引入多尺度視覺恢復(fù)算法對圖像進行處理，增強圖像對比度；為了提高模型特征提取能力，加入了注意力機制模塊；原始模型對YOLOv5s小目標(biāo)的檢測效果不佳，改進后的YOLOv5s模型替換了原有的激活函數(shù)，并在Head網(wǎng)絡(luò)中加入了新的針對小目標(biāo)的Detect層。使用改進的YOLOv5s模型與YOLOv5s、YOLOv4和Faster-RCNN在相同的圖像數(shù)據(jù)集上進行試驗，結(jié)果表明，改進的YOLOv5s模型的檢測精度和置信度，尤其是對小目標(biāo)的檢測效果優(yōu)于其他模型。與YOLOv5s模型相比，改進后的YOLOv5s模型的精度和召回率分別提高了9.6個百分點和12.4個百分點，能夠滿足水下海參的實時檢測要求。

關(guān)鍵詞： YOLO；目標(biāo)檢測；深度學(xué)習(xí)；機器視覺；卷積神經(jīng)網(wǎng)絡(luò)

中圖分類號： S126?? 文獻標(biāo)識碼： A?? 文章編號： 1000-4440（2023）07-1543-11

Underwater sea cucumber identification based on improved YOLO convolutional neural network

ZHAI Xian-yi1， WEI Hong-lei1， HAN Mei-qi2， HUANG Meng1

（1.School of Mechanical Engineering and Automation， Dalian Polytechnic University，Dalian 116034， China；2.Aerospace Information Research Institute， Chinese Academy of Sciences/State Key Laboratory of Transducer Technology， Beijing 100190， China）

Abstract： To realize automatic fishing of sea cucumber underwater， it is necessary to use machine vision method to realize real-time detection and positioning of underwater sea cucumber. In this study， a detection and localization method for underwater sea cucumber based on improved YOLOv5s was proposed. Aiming at the problem of low contrast between the sea cucumber and the underwater environment， a multi-scale vision restoration algorithm was introduced to process the images to enhance the contrast of the images. The attention mechanism module was added to improve the feature extraction ability of the model. The original model didn’t show good detection effect on small object of YOLOv5s. The improved YOLOv5s model replaced the original activation function and added a new Detect layer into the Head network which aimed at small object. The improved YOLOv5s model was used to conduct experiments with YOLOv5s， YOLOv4 and Faster-RCNN on the same image data set. The results showed that， the improved YOLOv5s model showed better detection accuracy and degree of confidence compared with other models， especially for small target detection. Compared with the YOLOv5s model， the precision and recall rate of the improved YOLOv5s model increased by 9.6 percentage points and 12.4 percentage points respectively， which could meet the requirement of real-time detection of underwater sea cucumber.

Key words： YOLO （You only look once）;object identification;deep learning;computer vision;convolutional neural network

江蘇農(nóng)業(yè)學(xué)報 2023年第39卷第7期

翟先一等：基于改進YOLO卷積神經(jīng)網(wǎng)絡(luò)的水下海參檢測

隨著生活水平的提高，人們對海參等海珍品的需求量越來越大。底播養(yǎng)殖是海參的主要養(yǎng)殖方式，即將海參苗播撒在海底，待長成后進行捕撈。由于海參生長環(huán)境特殊，主要靠人工潛水進行捕撈，采捕過程危險、收益低，因此養(yǎng)殖企業(yè)需要自動化的裝備來取代人工作業(yè)[1]。海參自身顏色和環(huán)境顏色較為接近，區(qū)分度較低。為了能夠在水下環(huán)境更加準(zhǔn)確地捕捉海參，研究海參的精準(zhǔn)快速檢測，對研究海參采捕機器人，從而實現(xiàn)水下捕撈的自動化有較大的價值。

在海參檢測的研究中，眾多學(xué)者已經(jīng)做出了研究和探索，李娟等[2]基于計算機視覺技術(shù)進行研究，對水下海參進行邊緣檢測，提取海參刺的質(zhì)心，并通過橢圓擬合進行水下海參檢測，檢測準(zhǔn)確率為93.33%；隨著機器學(xué)習(xí)等相關(guān)學(xué)科的飛速發(fā)展，其在海參檢測領(lǐng)域也逐漸被使用。強偉等[3]提出一種基于改進的單激發(fā)多框探測器（SSD）算法進行水下目標(biāo)檢測，此方法檢測精度達到95.06%；林宇等[4]提出了基于Cascade RCNN的水下目標(biāo)檢測，通過調(diào)節(jié)超參數(shù)，有效提高了對小目標(biāo)的檢測效果，平均準(zhǔn)確率為89.10%；馬孔偉[5]在水下機器人中應(yīng)用了基于卷積神經(jīng)網(wǎng)絡(luò)（CNN）的海參檢測技術(shù)，將輕量化模型MobileNet與SSD模型相結(jié)合，平均精度達到90.06%，且采用卷積核剪枝對特征提取網(wǎng)絡(luò)進行修剪，模型尺寸縮減75%；王璐等[6]提出的基于Faster-RCNN的水下目標(biāo)檢測算法研究中，將更深層次的神經(jīng)網(wǎng)絡(luò)ResNet-101替換原始的VGG-16網(wǎng)絡(luò)，對增強數(shù)據(jù)集的平均測試精度達到63.03%。

上述方法利用海參的形態(tài)特征、外觀特點和背景顏色差異等單個特征或多個特征組合進行海參的檢測，但是絕大多數(shù)算法都是面向?qū)嶒炇噎h(huán)境，海參所處的實際水下環(huán)境中，因為有水草、其他海洋動物以及人類垃圾的影響，存在過多不確定因素；海參習(xí)慣群居，一旦出現(xiàn)重疊和遮擋等情況，檢測準(zhǔn)確率會大幅降低。

2015年，Joseph Redmon提出了單階段檢測（One-stage）算法（You only look once version 1，YOLOv1）。與YOLO算法同樣經(jīng)典的目標(biāo)檢測方法RCNN（Region with CNN features）與YOLO的本質(zhì)區(qū)別是，RCNN檢測時分為分類問題和回歸問題2步運算，YOLO只進行一步回歸問題求解，因此YOLO算法處理圖像速度更快；YOLO利用全圖信息進行訓(xùn)練和預(yù)測以降低背景預(yù)測錯誤率，由于RCNN無法利用全局圖像，所以在檢測過程中可能會將背景中的斑塊錯誤地檢測為目標(biāo)。徐建華等[7]基于YOLOV3算法提出的水下目標(biāo)檢測跟蹤方法實現(xiàn)了水中目標(biāo)的檢測定位與跟蹤，平均準(zhǔn)確率為75.10%，檢測速度為15 FPS；張聰輝[8]基于輕量化的tiny-YOLOv3網(wǎng)絡(luò)提出了海參目標(biāo)檢測算法，算法對原始YOLO進行了修改優(yōu)化，檢測精度達到90%以上，在低性能運算平臺上仍然能達到47 FPS；朱世偉等[9]提出的基于類加權(quán)YOLO網(wǎng)絡(luò)的水下目標(biāo)檢測，平均準(zhǔn)確率為78.30%，處理速度為12 FPS，對多目標(biāo)檢測效果提升明顯。因此YOLO算法兼具較高的準(zhǔn)確率和內(nèi)存占用小的優(yōu)點。

針對海參與其所處水下環(huán)境在自然條件下區(qū)分度低和目前算法小目標(biāo)檢測不精確的問題，本研究提出一種基于改進YOLOv5的水下海參檢測算法。采用MSRCR算法對圖像進行預(yù)處理，以增強海參與環(huán)境的區(qū)分度，增加模型中Neck網(wǎng)絡(luò)的上采樣次數(shù)，在Head網(wǎng)絡(luò)中增加新的Detect層，引入更適合目標(biāo)檢測的激活函數(shù)，以提高模型檢測較小海參目標(biāo)的能力；壓縮和激勵網(wǎng)絡(luò)（Squeeze and excitation networks，SENet）可提高模型訓(xùn)練效率，增強特征提取能力，作為即插即用模塊集成到現(xiàn)有網(wǎng)絡(luò)架構(gòu)中。本研究對改進的YOLOv5s模型進行消融研究，驗證改進的可行性，與YOLOv5s、YOLOv4和Faster-RCNN相比，改進后的YOLOv5s具有更高的準(zhǔn)確率和召回率，對小目標(biāo)海參檢測效果優(yōu)異。

1 材料與方法

水下海參檢測模型的訓(xùn)練與檢測過程如圖1所示。首先對圖像進行MSRCR算法處理，然后使用標(biāo)簽工具Make Sense對圖像進行標(biāo)注，完成后導(dǎo)出txt格式的標(biāo)簽。使用數(shù)據(jù)擴增對圖像數(shù)據(jù)集進行擴充，最后使用改進的YOLOv5s模型對數(shù)據(jù)集進行訓(xùn)練，得到模型并測試分析模型性能。

1.1 數(shù)據(jù)集的獲取

本研究所使用的海參圖為潛水員在獐子島海參養(yǎng)殖水域拍攝的海參圖像，拍攝時間為2021年5月19日9：00-11：00，自然光條件下采集，采集時，潛水員使用高清數(shù)碼相機在距離海參30～70 cm的地方拍攝，圖像分辨率為640像素×360像素，共獲得892幅圖像，其中部分海參圖像如圖2所示。

1.2 圖像預(yù)處理

由于水下采集到的圖像亮度過低，存在失真、難以明顯區(qū)分海參與背景的問題，給模型的訓(xùn)練造成困難，故引入帶顏色恢復(fù)的多尺度視網(wǎng)膜增強方法（Multi-scale retinex with color restoration， MSRCR）對圖像進行預(yù)處理，以增強海參與背景的區(qū)分度，MSRCR具體實現(xiàn)如公式（1） [10-11]所示：

RMSRCR（x，y）=Ci（x，y）RMSRi（x，y）（1）

式中，RMSRCR（x，y）表示使用MSRCR算法后第i個通道恢復(fù)后的圖像；Ci（x，y）為MSRCR加入的色彩恢復(fù)因子，如公式（2）所示，用來調(diào)節(jié)原始圖像顏色通道的比例，突出圖像暗部區(qū)域信息，消除顏色失真，公式（2）中α是調(diào)節(jié)因子，β是增益常數(shù)，I（x，y）表示原圖像[12]。RMSRi（x，y）表示使用多尺度濾波后第i個通道的恢復(fù)圖像[公式（3）]，Gn（x，y）是單尺度的高斯濾波，λn表示權(quán)值，m為尺度數(shù)目，取值一般為3 [13-14]。n為從1到3的尺度數(shù)目。

Ci（x，y）=β{lg[α·Ii（x，y）]-lg[∑Ni=1Ii（x，y）]}（2）

RMSRi（x，y）=∑mn=1λn{lgI（x，y）-lg[Gn（x，y）·I（x，y）]}

（3）

MSRCR處理前后圖像對比如圖3所示，左側(cè)為原始圖像，右側(cè)為處理后圖像，左上角顯示算法運行時長。可以看出，MSRCR算法在對水下海參圖像進行處理時，平均處理時間為26.26 ms，兼顧了處理效果和速度，每秒可處理約38張圖像，能夠滿足實時視頻檢測要求。

1.3 數(shù)據(jù)增強

在深度學(xué)習(xí)訓(xùn)練過程中，數(shù)據(jù)集圖像的數(shù)量對模型有一定的影響。由于采集的海參圖像數(shù)量有限，在訓(xùn)練之前需要進行數(shù)據(jù)增強[15]。在實際使用海參捕撈機器人的過程中，由于光線、距離、角度、水流等引起的抖動，經(jīng)常會出現(xiàn)角度、位置、大小、亮度的變化，以及圖像模糊等情況。為了提供更全面的訓(xùn)練圖像，利用YOLOv5自帶的數(shù)據(jù)增強模塊，結(jié)合Pytorch框架下的OpenCV，對采集到的海參圖像進行鏡像、正負角度旋轉(zhuǎn)45°、平移、隨機縮放、隨機裁剪、亮度變化等操作，共得到5 017幅訓(xùn)練集圖像。

1.4 數(shù)據(jù)集準(zhǔn)備

為訓(xùn)練圖片添加標(biāo)簽時使用線上標(biāo)注網(wǎng)站Make Sense（https：//www.makesense.ai/），標(biāo)注規(guī)則為：對于形態(tài)完整的海參使用矩形框標(biāo)注；對于有遮擋或有重疊的海參，對顯示在圖像中的部分進行標(biāo)注；對位于圖像邊框以及顯示區(qū)域小于15%的海參不進行標(biāo)記。標(biāo)記完成后導(dǎo)出視覺目標(biāo)分類（VOC）類型數(shù)據(jù)集。選取數(shù)據(jù)集中圖像的80%作為訓(xùn)練集，10%作為驗證集，10%作為測試集。

2 海參檢測網(wǎng)絡(luò)

在最新版本的YOLOv5官方代碼中，共提供了YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l、YOLOv5x 5種不同深度的模型[16]。本次研究由于檢測的海參數(shù)量較少，且對速度要求較高，所以選擇了兼顧速度和精度的YOLOv5s作為基礎(chǔ)模型。

2.1 YOLOv5s網(wǎng)絡(luò)模型

YOLOv5s網(wǎng)絡(luò)模型如圖4所示，包括Backbone、Neck和Head等。YOLOv5s的Backbone網(wǎng)絡(luò)采用CSPDarknet53結(jié)構(gòu)作為基礎(chǔ)網(wǎng)絡(luò)，Backbone的主要作用是提取輸入信息的基本特征[16]。Neck網(wǎng)絡(luò)位于Head網(wǎng)絡(luò)和Backbone網(wǎng)絡(luò)之間，其主要功能是進一步增強待提取特征的多樣性和網(wǎng)絡(luò)的魯棒性。Head網(wǎng)絡(luò)的作用是檢測目標(biāo)的輸出結(jié)果。YOLOv5s模型有3個Detect層，Head網(wǎng)絡(luò)接收3個不同尺度的特征圖，然后對這3個特征圖進行網(wǎng)格預(yù)測，通過卷積運算得到特征輸出，主要通過大目標(biāo)、中目標(biāo)和小目標(biāo)3個維度進行檢測[17]。

與YOLOv4相比，YOLOv5增加了Focus結(jié)構(gòu)，用來防止下采樣時信息丟失。圖像進入Backbone網(wǎng)絡(luò)之前，F(xiàn)ocus模塊對其進行切片。具體操作是在圖片中每隔一個像素取1個值，得到4張互補的圖片，且沒有信息丟失[18]。此操作將水平和垂直的信息集中在通道空間，輸入通道擴大了3倍，即與原來的紅綠藍（RGB）三通道模式相比，拼接后的圖片變成了12通道[19-20]。最后對得到的新圖像進行卷積，得到無信息丟失的2倍下采樣特征圖。

以YOLOv5s為例，原640×640×3圖像輸入Focus結(jié)構(gòu)，通過切片操作，先生成320×320×12的特征圖，再經(jīng)過卷積運算，最終生成320×320×32的特征圖[21]。切片操作如圖5所示。

2.2 損失函數(shù)

交并比（Intersection over union，IoU）是目標(biāo)檢測中常用的評價指標(biāo)，一般用來區(qū)分正負樣本，反映預(yù)測框和真實框的距離[22-24]。計算方法如公式（4）所示。

IoU=A∩BA∪B（4）

IoU算法應(yīng)用廣泛，對尺度變化不敏感，具有非負性等。但是由于IoU并沒有考慮真實框與預(yù)測框之間的距離，所以直接將IoU作為Loss函數(shù)時會暴露各種問題：若預(yù)測框與真實框之間沒有重合部分，根據(jù)定義IoU為0，此時不能計算出2個框之間的距離；由于不同方向、不同角度的對齊方式不同，會導(dǎo)致IoU完全相同，此時不能判斷預(yù)測框與真實框的重合情況。YOLOv5算法采用的是 Generalized intersection over union_loss （GIoU_Loss）作為邊界框回歸的損失函數(shù)[25-26]。GIoU在關(guān)注重疊部分的同時，也關(guān)注其他非重疊部分，可以更精準(zhǔn)地描述預(yù)測框和真實框的各類重疊情況。假設(shè)A為預(yù)測框，B為真實框，令C表示包含A與B的最小閉合框。GIoU_Loss的計算公式如下：

GIoU_Loss=1-GIoU=IoU-|C/（A∪B）||C|（5）

2.3 YOLOv5s網(wǎng)絡(luò)的改進

水下海參個體的姿態(tài)和大小差異較大，YOLOv5對于小目標(biāo)的檢測并不理想，在實際測試中，一些海參不能被檢測或檢測不精確。為了提高對小目標(biāo)的檢測能力，對YOLOv5s結(jié)構(gòu)進行了改進。

2.3.1 增加注意力機制模塊 為了提高YOLO訓(xùn)練和檢測的效率，引入了SENet注意力機制。SENet首先將輸入的特征圖進行全局池化，將特征圖變成1×1×C通道數(shù)，然后使用全連接層和激活函數(shù)對1×1×C通道數(shù)的特征圖進行調(diào)整，得到每一個特征圖的權(quán)重，最后與輸入的特征進行相乘。SENet結(jié)構(gòu)如圖6所示，它能夠顯著提高檢測性能，同時保持較小的開銷。此次試驗中，將SENet模塊添加在CBL結(jié)構(gòu)的Sigmoid結(jié)構(gòu)中后，如圖7a所示。

2.3.2 替換激活函數(shù) YOLOv5s使用的是Leakyrelu激活函數(shù)，在回歸任務(wù)中效果更為明顯，故而將Leakyrelu替換為更適合二分類的激活函數(shù)Sigmoid。更改后的激活函數(shù)如圖7a所示。

2.3.3 增加小目標(biāo)Detect層 原始YOLOv5s共進行2次上采樣，本研究方法在第17層后，對特征圖進行上采樣處理，使得特征圖進一步增大；在第23層時，將骨干網(wǎng)絡(luò)中第2層特征圖與上采樣獲取的特征圖進行特征融合，得到更大的特征圖來改善小目標(biāo)檢測不精準(zhǔn)的問題。在第30層以后添加一個新的小目標(biāo)Detect層，綜合以上，改進后的模型如圖7所示。

3 模型訓(xùn)練和測試

3.1 試驗平臺

本試驗環(huán)境如表1所示。

3.2 消融試驗

為了驗證模型改進的可行性，進行消融試驗。

3.2.1 圖像預(yù)處理的消融試驗 首先使用未經(jīng)過處理的水下圖像作為訓(xùn)練集進行模型訓(xùn)練，得到模型NONE-YOLO。再對相同的圖像，使用MSRCR水下圖像處理算法進行圖像預(yù)處理，并作為訓(xùn)練集訓(xùn)練相同周期，得到模型MSRCR-YOLO。模型對比結(jié)果如表2所示。由表2可以看出，MSRCR-YOLO相比于NONE-YOLO模型，精確率提升2.1個百分點，訓(xùn)練時長、權(quán)重大小和檢測速度幾乎無變化。由于加入了MSRCR圖像預(yù)處理，圖像質(zhì)量有了一定提高，YOLO模型更加容易提取出海參的特征，準(zhǔn)確率有一定提升。

為了顯示2個模型的區(qū)別，使用2個模型對相同圖像進行測試，測試結(jié)果如圖8所示?？梢钥闯觯琈SRCR-YOLO模型相比于NONE-YOLO模型在海參檢測的置信度方面有一定提升。

3.2.2 模型改進的消融試驗 使用改進的YOLOv5s與原始YOLOv5s、YOLOv5s+SENet和YOLOv5s+SENet+Detect進行比較。選取1 035張海參圖像作為數(shù)據(jù)集，訓(xùn)練集、測試集和驗證集的比例為8∶1∶1，使用同一平臺進行訓(xùn)練，訓(xùn)練迭代次數(shù)（Epoch）設(shè)置為200，最終結(jié)果如表3所示。結(jié)果表明，與YOLOv5s原始模型相比，在YOLOv5s中只添加SENet模塊、只添加Detect層、同時添加SENet模塊和Detect層3種情況都可以提高精確率，但由于YOLOv5s模型的復(fù)雜度增加，會導(dǎo)致資源占用增加，訓(xùn)練時間會變長，訓(xùn)練產(chǎn)生的權(quán)重會增加，檢測圖像的時間會略有增加。

為了更加直觀地對比4種算法的區(qū)別，使用相同圖像進行對比測試。對比結(jié)果如圖9所示。從圖9可以看出，小目標(biāo)檢測效果算法4，即本研究改進的YOLOv5s模型的效果相對更優(yōu)，置信度相對更高。故本試驗對于模型的改進具有可行性。

3.3 模型訓(xùn)練及測試

為了避免過擬合，試驗中采用5-Folder交叉驗證方法，如圖10所示。

圖11為訓(xùn)練結(jié)果。圖11a為精度圖，即找對的正類（TP）/所有找到的正類（TP+FP）；精度（precision）計算方法如式（6）所示，在IoU設(shè)置為0.5時，經(jīng)過改進的模型精度呈現(xiàn)穩(wěn)定上升趨勢，100次迭代以后，訓(xùn)練結(jié)果精度達到99.0%。

precision=TPTP+FP（6）

圖11b為召回率隨訓(xùn)練次數(shù)變化曲線，即找對的正類（TP）/所有本應(yīng)該被找對的正類（TP+FN）；召回率（recall）計算公式如式（7）所示，在IoU設(shè)置為0.5時，經(jīng)過改進的模型呈現(xiàn)穩(wěn)定上升趨勢，100次迭代以后，訓(xùn)練結(jié)果精度達到99.6%。

recall=TPTP+FN（7）

在目標(biāo)檢測中，測量檢測精度的方法是平均精度（mAP）。在多類目標(biāo)檢測中，每一類都可以根據(jù)召回率和精度繪制一條曲線，AP為曲線下的面積，mAP為多類AP的平均值。AP值越高，模型的平均精度越高。mAP_0.50和mAP_0.50：0.95是2個最常用的指標(biāo)。mAP_0.50表示當(dāng)IoU設(shè)置為0.50時，計算每一類所有圖像的AP[27]，然后對所有類別取平均值；mAP_0.50：0.95為不同IoU閾值（0.50～0.95，步長0.05，即0.50、0.55、0.60、0.65、0.70、0.80、0.85、0.90、0.95）下的平均mAP。圖11c表示mAP_0.50隨迭代次數(shù)變化曲線，圖11d表示mAP_0.50：0.95隨迭代次數(shù)變化曲線。

圖11e顯示了訓(xùn)練集和驗證集的損失曲線，數(shù)值越小表示預(yù)測框越精確[28-29]。當(dāng)IoU設(shè)置為0.5時，隨著訓(xùn)練周期的增加，訓(xùn)練集和驗證集的損失曲線呈下降趨勢，最終趨于穩(wěn)定；100次迭代后，訓(xùn)練集和驗證集的損失函數(shù)值達到最小值（0.02左右）。

4 測試和分析

為了驗證水下海參目標(biāo)檢測算法的性能，采用改進的YOLOv5s、YOLOv5s、YOLOv4和Fast-RCNN模型對單圖像庫和混合圖像庫進行訓(xùn)練和測試。

4.1 試驗結(jié)果對比

表4比較了IoU設(shè)置為0.5時改進后的YOLOv5s與其他3種模型的測試結(jié)果。與YOLOv5s模型相比，改進后的YOLOv5s模型準(zhǔn)確率提高約9.6個百分點，召回率提高約12.4個百分點。由于改進的方法增加了計算量，檢測速度相比于原始YOLOv5s算法略有下降，但是相比于其他算法仍有一定優(yōu)勢。

4.2 海參圖像檢測

使用改進的YOLOv5s、YOLOv5s、YOLOv4和Faster-RCNN對相同的海參圖像進行檢測，試驗結(jié)果如圖12所示。

從圖12可以看出，改進的YOLOv5s模型對圖像中小目標(biāo)的檢測效果高于其他3種模型，預(yù)測框的選擇范圍更精確，對同一目標(biāo)的置信度更高。例如，在YOLOv5s的檢測結(jié)果中，在圖12b1、圖12b3和圖12b4中存在漏檢；在YOLO4的檢測結(jié)果中，圖12c1存在預(yù)測框不精確的問題，圖12c3存在錯誤檢測，圖12c4存在漏檢；在Faster-RCNN結(jié)果中，圖12d1、圖12d3、圖12d4相比于YOLOv5s檢測到的海參數(shù)量，存在漏檢，圖12d2有錯誤檢測。

5 結(jié)論

本研究提出了一種基于改進YOLOv5s的水下海參檢測方法，旨在解決小目標(biāo)海參檢測效果較差的問題，提高檢測精度，實現(xiàn)自然條件下水下海參的快速精確檢測。研究主要利用MSRCR算法對水下海參圖像進行預(yù)處理，減少了圖像失真，增強了對比度，提高了海參與環(huán)境的對比度，降低了模型訓(xùn)練的難度。根據(jù)水下海參的實際情況，選擇YOLOv5s算法作為算法實現(xiàn)的基礎(chǔ)，并對模型進行了改進：增加了SENet注意力機制模塊，以增加少量檢測時間為代價，換來了訓(xùn)練的效率和準(zhǔn)確率的極大提高。替換了原有的激活函數(shù)，改進了Head網(wǎng)絡(luò)，增加了一層新的針對小目標(biāo)海參的Detect層，實現(xiàn)了對輸入圖像進行更多次的上采樣，使得改進的YOLOv5s模型對小目標(biāo)的檢測精度進一步提高。對改進模型進行了消融試驗，驗證其可行性。與YOLOv5s、YOLOv4和Faster-RCNN等主流目標(biāo)檢測算法進行對比試驗，結(jié)果表明，本研究方法對小目標(biāo)的檢測效果明顯提高。與YOLOv5s相比，能檢測到Y(jié)OLOv5s無法檢測的小目標(biāo)海參，精確率提高了9.6個百分點，召回率提高了12.4個百分點，改進模型能夠以較高的置信度檢測到海參目標(biāo)，小目標(biāo)檢測效果明顯提高，具有較明顯的優(yōu)勢。但是本算法訓(xùn)練時間較長，且需要額外進行圖像預(yù)處理，在后續(xù)研究中將優(yōu)化算法，盡量使用輕量級網(wǎng)絡(luò)實現(xiàn)，并部署在移動設(shè)備或邊緣設(shè)備上，同時對海參進行高精度追蹤。

參考文獻：

[1] 劉吉偉，魏鴻磊，裴起潮，等. 采用相關(guān)濾波的水下海參目標(biāo)跟蹤[J]. 智能系統(tǒng)學(xué)報， 2019， 77（3）： 525-532.

[2] 李 娟，朱學(xué)巖，葛鳳麗，等. 基于計算機視覺的水下海參檢測方法研究[J]. 中國農(nóng)機化學(xué)報， 2020， 41（7）： 171-177.

[3] 強 偉，賀昱曜，郭玉錦，等. 基于改進SSD的水下目標(biāo)檢測算法研究[J]. 西北工業(yè)大學(xué)學(xué)報， 2020， 38（4）： 747-754.

[4] 林 宇，何水原. 改進Cascade RCNN的水下目標(biāo)檢測[J]. 電子世界， 20221（1）：105-108.

[5] 馬孔偉. 基于CNN的海參檢測技術(shù)及其在水下機器人中的應(yīng)用[D]. 哈爾濱：哈爾濱工業(yè)大學(xué)， 2019： 56.

[6] 王 璐，王雷歐，王東輝. 基于Faster-rcnn的水下目標(biāo)檢測算法研究[J]. 網(wǎng)絡(luò)新媒體技術(shù)， 2021， 10（5）： 43-51，58.

[7] 徐建華，豆毅庚，鄭亞山. 一種基于YOLO-V3算法的水下目標(biāo)檢測跟蹤方法[J]. 中國慣性技術(shù)學(xué)報， 2020， 28（1）： 129-133.

[8] 張聰輝. 基于YOLO-v3的海參目標(biāo)檢測系統(tǒng)的設(shè)計與實現(xiàn)[D]. 哈爾濱：哈爾濱工程大學(xué)，2020.

[9] 朱世偉，杭仁龍，劉青山. 基于類加權(quán)YOLO網(wǎng)絡(luò)的水下目標(biāo)檢測[J]. 南京師大學(xué)報（自然科學(xué)版）， 2020， 43（1）： 129-135.

[10]WANG J， LU K， XUE J， et al. Single image dehazing based on the physical model and MSRCR algorithm[J]. IEEE Transactions on Circuits and Systems for Video Technology， 2017， 28（9）： 2190-2199.

[11]LIU Y， YAN H， GAO S， et al. Criteria to evaluate the fidelity of image enhancement by MSRCR[J]. IET Image Processing， 2018， 12（6）： 880-887.

[12]許偉棟，趙忠蓋. 基于卷積神經(jīng)網(wǎng)絡(luò)和支持向量機算法的馬鈴薯表面缺陷檢測[J].江蘇農(nóng)業(yè)學(xué)報，2018， 34（6）： 1378-1385.

[13]KUMARI N， RUF V， MUKHAMETOV S， et al. J mobile eye-tracking data analysis using object detection via YOLO v4[J]. Sensors，2021，21（22）： 7668.

[14]張開興，呂高龍，賈 浩，等． 基于圖像處理和BP神經(jīng)網(wǎng)絡(luò)的玉米葉部病害檢測[J]. 中國農(nóng)機化學(xué)報， 2019， 40（8）： 122-126.

[15]尚志軍，張 華，曾 成，等. 基于機器視覺的枳殼自動定向方法與試驗[J]. 中國農(nóng)機化學(xué)報， 2019， 40（7）： 119-124.

[16]LIU S， XU Y， GUO L M， et al. Multi-scale personnel deep feature detection algorithm based on Extended-YOLOv3[J]. Journal of Intelligent & Fuzzy Systems， 2021， 40（1）： 773-786.

[17]JOBSON D J， RAHMAN Z， WOODELL G A. A multiscale retinex for bridging the gap between color images and the human observation of scenes[J]. IEEE Transactions on Image Processing，1997， 6（7）： 965-976.

[18]WANG Q Z， LI S， QIN H， et al. Super-resolution of multi-observed RGB-D images based on nonlocal regression and total variation[J]. IEEE Transactions on Image Processing： A Publication of the IEEE Signal Processing Society， 2016， 25（3）： 1425-1440.

[19]ZHANG M H， XU S B， SONG W， et al. Lightweight underwater object detection based on YOLOv4 and multi-scale attentional feature fusion[J]. Remote Sensing，2021，13（22）： 4706.

[20]TAN L， HUANGFU T R， WU L， et al. Comparison of RetinaNet， SSD， and YOLOv3 for real-time pill identification[J]. BMC Medical Informatics and Decision Making，2021，21（1）： 1-11.

[21]ZHANG M， XU S， SONG W， et al. Lightweight underwater object detection based on YOLO v4 and multi-scale attentional feature fusion[J]. Remote Sensing， 2021， 13（22）： 4706.

[22]朱 ?磊. Retinex圖像增強算法的研究與FPGA實現(xiàn)[D]. 北京：清華大學(xué)， 2012.

[23]朱秋旭，李俊山，朱英宏，等.Retinex理論下的自適應(yīng)紅外圖像增強[J]. 微電子學(xué)與計算機， 2013， 30（4）： 22-25.

[24]陳旭君，王承祥，朱德泉，等. 基于YOLO卷積神經(jīng)網(wǎng)絡(luò)的水稻秧苗行線檢測[J].江蘇農(nóng)業(yè)學(xué)報，2020，36（4）：930-935.

[25]LEI F， TANG F， LI S. Underwater target detection algorithm based on improved YOLOv5[J]. Journal of Marine Science and Engineering，2022， 10：310.

[26]QIAO X， BAO J， ZHANG H， et al. fvUnderwater sea cucumber identification based on principal component analysis and support vector machine[J]. Measurement，2019， 133：444-455.

[27]ZHANG L， XING B， WANG W et al. Sea cucumber detection algorithm based on deep learning[J]. Sensors，2022， 22：5717.

[28]XUE L， ZENG X， JIN A. A novel deep-learning method with channel attention mechanism for underwater target recognition [J]. Sensors，2022， 22：5492.

[29]孟 亮，郭小燕，杜佳舉，等. 一種輕量級CNN農(nóng)作物病害圖像識別模型[J].江蘇農(nóng)業(yè)學(xué)報，2021，37（5）：1143-1150.

（責(zé)任編輯：陳海霞）