基于改进YOLOv8n损失函数的克氏原螯虾体特征识别算法

• Published in: 渔业现代化 Vol. 51; no. 5; pp. 72 - 80
• Main Authors: 耿春新, 王爱民, 阎天宇, 郁傲男, 张昊轩, 张武肖, 阳程, 刘兴国, 朱浩, 顾夕章, 李进峰, 邵鹏
• Format: Journal Article
• Language: Chinese
• Published: 盐城工学院海洋与生物工程学院,江苏盐城 224051%盐城工学院海洋与生物工程学院,江苏盐城 224051%盐城工学院优集学院,江苏盐城 224051%中国水产科学研究院渔业机械仪器研究所,上海 200092%射阳六和饲料有限公司,江苏射阳 224300%江苏进峰农业科技有限公司,江苏建湖 224700%盐城市上水环境生物科技工程有限公司,江苏盐城 224051 2024; 盐城工学院信息工程学院,江苏盐城 224051%盐城工学院信息工程学院,江苏盐城 224051
• Subjects: 克氏原螯虾; deep learning; MPDIoU; YOLOv8; 深度学习; Procambarus clarkii; 图像识别; image recognition
• ISSN: 1007-9580
• DOI: 10.3969/j.issn.1007-9580.2024.05.009

TP391%S951.2; 克氏原螯虾(Procambarus clarkii)产业发展迅速,然而仍面临智能化水平偏低的问题,在养殖及加工过程中主要通过人工肉眼观察克氏原螯虾规格及完整性并作出相关判断.为解决克氏原螯虾的智能识别问题,提出基于YOLOv8n识别克氏原螯虾的虾体、虾尾及螯足的算法.通过将原有损失函数CIoU替换为MPDIoU,并引入尺度因子ratio控制辅助边框的尺度大小用于计算损失,与MPDIoU损失函数相结合,提高边界框回归的准确性和效率,实现对克氏原螯虾虾体、虾尾及螯足的精准识别,为研究其分级智能化提供思路.结果显示,在YOLOv8n模型中加入Inner-MPDIoU的算法训练结果相比原有的CIoU损失函数识别率有所提高,mAP从83.7％提高到了 90.8％.研究表明,该算法模型有助于对克氏原螯虾的主要部位实现精准识别,对研究克氏原螯虾的智能化精准分级具有推动作用.