基于YOLOv8-BAN模型的水下生物目標(biāo)檢測(cè)方法

收稿日期：2024-04-03

基金項(xiàng)目：國家自然科學(xué)基金項(xiàng)目（41776142）

作者簡(jiǎn)介：王德興（1971-），男，河北保定人，博士，副教授，研究方向?yàn)槿斯ぶ悄堋⒛Ｊ阶R(shí)別和數(shù)據(jù)挖掘等。（E-mail）dxwang@shou.edu.cn

通訊作者：何勇，（E-mail）2850035542@qq.com

摘要：水下目標(biāo)檢測(cè)技術(shù)對(duì)于自動(dòng)化水下捕撈至關(guān)重要，可有效推動(dòng)漁業(yè)的智能化發(fā)展。針對(duì)水下圖像質(zhì)量較差和小目標(biāo)水下生物聚集導(dǎo)致漏檢、誤檢等問題，本研究提出了一種基于改進(jìn)YOLOv8m模型的水下生物目標(biāo)檢測(cè)模型——YOLOv8-BAN。該模型首先在骨干網(wǎng)絡(luò)中嵌入雙向路由自注意力機(jī)制，以增強(qiáng)網(wǎng)絡(luò)的特征提取能力；其次在頸部結(jié)合自適應(yīng)特征融合模塊，優(yōu)化特征融合效果，增強(qiáng)了模型對(duì)多尺度目標(biāo)的檢測(cè)能力；最后設(shè)計(jì)了一種小目標(biāo)損失函數(shù)，通過精確標(biāo)簽分配進(jìn)一步提升了水下生物小目標(biāo)的檢測(cè)精度。在URPC2018和Brackish數(shù)據(jù)集上的測(cè)試結(jié)果顯示，YOLOv8-BAN模型的平均檢測(cè)精度分別達(dá)到86.9%和98.6%，較YOLOv8m分別提高了3.5個(gè)百分點(diǎn)和3.3個(gè)百分點(diǎn)；與其他6種模型相比，YOLOv8-BAN模型具有更高的檢測(cè)精度和較快的檢測(cè)速度。本研究結(jié)果可為水下機(jī)器人進(jìn)行水產(chǎn)捕撈作業(yè)提供了技術(shù)支持。

關(guān)鍵詞：水下生物；YOLOv8m；深度學(xué)習(xí)；小目標(biāo)檢測(cè)

中圖分類號(hào)：TP391文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1000-4440（2025）01-0101-11

UnderwaterbiologicaltargetdetectionmethodbasedonYOLOv8-BANmodel

WANGDexing，HEYong，YUANHongchun

（CollegeofInformationTechnology，ShanghaiOceanUniversity，Shanghai201306，China）

Abstract：Underwatertargetdetectiontechnologyiscrucialfortheautomationofunderwaterfishing，whichcaneffectivelypromotetheintelligentdevelopmentofthefishingindustry.Aimingattheproblemsofpoorunderwaterimagequalityandmissedand1detectionscausedbytheaggregationofsmalltargetunderwaterorganisms，thisstudyproposedanunderwaterbiologicaltargetdetectionmethodbasedonimprovedYOLOv8mmodel，namelyYOLOv8-BAN.Themodelfirstembeddedabidirectionalroutingself-attentionmechanisminthebackbonenetworktoenhancethenetwork’sfeatureextractioncapability.Secondly，theadaptivefeaturefusionmodulewascombinedinthenecktooptimizefeaturefusioneffects，enhancingthemodel’sdetectioncapabilityformulti-scaletargets.Finally，asmalltargetlossfunctionwasdesignedtofurtherimprovethedetectionaccuracyofsmalltargetsthroughpreciselabelassignment.ExperimentalresultsontheURPC2018andBrackishdatasetsshowedthattheaveragedetectionaccuracyofYOLOv8-BANmodelreached86.9%and98.6%respectively，whichwas3.5percentagepointsand3.3percentagepointshigherthanthatofYOLOv8mmodel.Comparedwiththeothersixmodels，theYOLOv8-BANmodelhadhigherdetectionaccuracyandfasterdetectionspeed.Theresultsofthisstudycanprovidetechnicalsupportforunderwaterrobotstocarryoutaquaculturefishingoperations.

Keywords：underwaterorganisms;YOLOv8m;deeplearning;smalltargetdetection

水下生物目標(biāo)檢測(cè)技術(shù)是水產(chǎn)養(yǎng)殖智能化戰(zhàn)略的核心組成部分，對(duì)于實(shí)現(xiàn)水下機(jī)器人自動(dòng)化捕撈具有重要意義^[1]。水下機(jī)器人在自動(dòng)化捕撈中的應(yīng)用依賴于高效的水下生物目標(biāo)檢測(cè)技術(shù)^[2]。然而，受水下環(huán)境和光照條件的影響，光學(xué)圖像存在紋理特征信息不足、對(duì)比度低等問題^[3]，同時(shí)小目標(biāo)生物的聚集也增加了檢測(cè)的難度。因此，亟需設(shè)計(jì)一種高精度的、魯棒性強(qiáng)的水下生物目標(biāo)檢測(cè)模型。

近年來，隨著計(jì)算機(jī)視覺技術(shù)的發(fā)展，基于深度學(xué)習(xí)的檢測(cè)方法被廣泛應(yīng)用于水下生物目標(biāo)檢測(cè)。深度學(xué)習(xí)目標(biāo)檢測(cè)方法分為兩大類，即雙階段方法和單階段方法。雙階段方法需要先生成候選區(qū)域，然后經(jīng)過分類和回歸得到檢測(cè)結(jié)果。當(dāng)前，在水下生物目標(biāo)檢測(cè)領(lǐng)域，許多研究者選擇基于雙階段檢測(cè)算法進(jìn)行研究，尤其是針對(duì)經(jīng)典的FasterR-CNN算法^[4]進(jìn)行改進(jìn)和優(yōu)化。袁紅春等^[5]提出了一種基于FasterR-CNN二次遷移學(xué)習(xí)和帶色彩恢復(fù)的多尺度視網(wǎng)膜增強(qiáng)算法，該方法在水下小規(guī)模魚類數(shù)據(jù)集上表現(xiàn)出較高的準(zhǔn)確率。Liu等^[6]對(duì)FasterR-CNN進(jìn)行了改進(jìn)，將骨干網(wǎng)絡(luò)替換為Transformer結(jié)構(gòu)，并添加了聚合路徑網(wǎng)絡(luò)以增強(qiáng)特征提取能力，但該方法檢測(cè)速度較慢。Lin等^[7]提出了一種基于FasterR-CNN的數(shù)據(jù)增強(qiáng)方法RoIMix，將多張圖片中感興趣的區(qū)域進(jìn)行融合，模擬水下生物的重疊和遮擋。Shi等^[8]將FasterR-CNN骨干網(wǎng)絡(luò)進(jìn)行改進(jìn)，使用ResNet并引入BI-FPN特征金字塔結(jié)構(gòu)以加強(qiáng)模型的特征提取能力。相比雙階段方法，單階段方法速度優(yōu)勢(shì)明顯，而且隨著單階段算法的不斷迭代，其精度也能達(dá)到很高。目前研究人員主要基于YOLO系列模型^[9-12]開展單階段算法的研究。Guo等^[13]針對(duì)水下圖像模糊、對(duì)比度低的問題，提出了一種改進(jìn)自適應(yīng)算法的MSRP圖像增強(qiáng)算法，并和YOLOv3模型結(jié)合進(jìn)行檢測(cè)，但該模型骨干網(wǎng)絡(luò)的特征提取能力較弱。Chen等^[14]在YOLOv4模型的基礎(chǔ)上進(jìn)行改進(jìn)，通過增加殘差塊與通道注意力機(jī)制結(jié)合，增強(qiáng)骨干網(wǎng)絡(luò)特征提取能力。Lei等^[15]基于YOLOv5模型進(jìn)行改進(jìn)，將SwimTransformer作為基本骨干網(wǎng)絡(luò)并改進(jìn)路徑聚合網(wǎng)絡(luò)PANet，讓網(wǎng)絡(luò)更適用于模糊的水下圖像。翟先一等^[16]使用帶色彩恢復(fù)的多尺度視網(wǎng)膜增強(qiáng)算法對(duì)圖像進(jìn)行預(yù)處理，并使用卷積注意力機(jī)制對(duì)海參進(jìn)行檢測(cè)，但該方法使用的數(shù)據(jù)集類別較少，僅對(duì)海參有較好的檢測(cè)效果。Sun等^[17]使用MobileT作為YOLOX模型的骨干網(wǎng)絡(luò)，提高算法的全局特征提取能力，減少了參數(shù)量，但該方法對(duì)小目標(biāo)檢測(cè)效果不佳。Yi等^[18]針對(duì)小目標(biāo)檢測(cè)漏檢率高的問題，提出了一種基于YOLOv7模型改進(jìn)的檢測(cè)算法，該方法通過整合SENet注意力機(jī)制，增強(qiáng)FPN金字塔結(jié)構(gòu)，合并EIOU損失函數(shù)，集中了小目標(biāo)的更多關(guān)鍵特征信息，提高了小目標(biāo)的檢測(cè)精度。

盡管基于深度學(xué)習(xí)方法在水下生物目標(biāo)檢測(cè)任務(wù)上已經(jīng)獲得了顯著的精度和速度提升，但仍然存在一些問題。首先，現(xiàn)有方法使用的數(shù)據(jù)集數(shù)量較少或者種類單一，導(dǎo)致模型泛化性不足。其次，現(xiàn)有方法對(duì)于水下目標(biāo)尤其是小目標(biāo)檢測(cè)精度不足，這主要是因?yàn)樗聢D像質(zhì)量不佳，導(dǎo)致目標(biāo)特征難以提取。同時(shí)，大部分網(wǎng)絡(luò)在多尺度融合過程中主要使用簡(jiǎn)單的元素相加，容易攜帶不同特征層的矛盾信息。此外，基于交并比（IntersectionoverUnion，IOU）改進(jìn)的損失函數(shù)對(duì)于小目標(biāo)位置偏差較為敏感，難以對(duì)小目標(biāo)進(jìn)行精準(zhǔn)定位。針對(duì)以上問題，本研究提出了一種基于改進(jìn)YOLOv8m模型的水下生物目標(biāo)檢測(cè)模型YOLOv8-BAN模型。該模型首先在骨干網(wǎng)絡(luò)中嵌入雙向路由自注意力機(jī)制（Bi-LevelRoutingAttention，BRA），用于提高網(wǎng)絡(luò)特征提取能力。其次在頸部結(jié)合自適應(yīng)特征融合網(wǎng)絡(luò)（AdaptiveFeatureFusion，AFF），提高不同尺度目標(biāo)尤其是小目標(biāo)的檢測(cè)精度。最后設(shè)計(jì)了NWD-CIOU損失函數(shù)，替換原始的完全交并比（Complete-IOU，CIOU）損失函數(shù)，對(duì)小目標(biāo)進(jìn)行更準(zhǔn)確的標(biāo)簽分配，進(jìn)一步提高小目標(biāo)的定位精度。為了讓模型具有較強(qiáng)的泛化性，本研究在兩個(gè)公共數(shù)據(jù)集上進(jìn)行消融試驗(yàn)和對(duì)比試驗(yàn)，以驗(yàn)證改進(jìn)模型的有效性。

1材料與方法

1.1YOLOv8-BAN模型的網(wǎng)絡(luò)結(jié)構(gòu)

為了保證檢測(cè)的實(shí)時(shí)性，本研究使用YOLOv8m模型作為基礎(chǔ)模型，并根據(jù)所提出的改進(jìn)方法，將其命名為YOLOv8-BAN模型。YOLOv8-BAN模型網(wǎng)絡(luò)架構(gòu)由3個(gè)主要部分組成，分別是骨干網(wǎng)絡(luò)（Backbone）、頸部網(wǎng)絡(luò)（Neck）以及檢測(cè)頭（Head），網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。Backbone采用了一系列卷積和反卷積來提取特征，同時(shí)使用殘差連接和瓶頸結(jié)構(gòu)來縮減網(wǎng)絡(luò)大小并提高性能。Backbone部分采用了C2F模塊作為基本的構(gòu)成單元，與YOLOv5s模型的C3模塊相比，C2F模塊具有更少的參數(shù)和更優(yōu)秀的特征提取能力。同時(shí)為了增強(qiáng)在水下環(huán)境的特征提取能力，嵌入了BRA雙向路由自注意力機(jī)制。Neck部分增加一個(gè)4倍下采樣的淺層特征層，使用4個(gè)特征層結(jié)合AFF網(wǎng)絡(luò)進(jìn)行自適應(yīng)特征空間融合，將融合后的4個(gè)特征作為檢測(cè)頭進(jìn)行檢測(cè)。Head負(fù)責(zé)最終的目標(biāo)檢測(cè)和分類任務(wù)，包括一個(gè)檢測(cè)頭和一個(gè)分類頭，檢測(cè)頭包括一系列的反卷積層和池化層，用于生成檢測(cè)結(jié)果；分類頭采用全局池化對(duì)每個(gè)特征層進(jìn)行分類。YOLOv8模型使用CIOU作為邊界框定位損失函數(shù)，由于該函數(shù)不利于小目標(biāo)的檢測(cè)，因此本研究使用一種邊界框距離度量標(biāo)準(zhǔn)NWD，與CIOU結(jié)合設(shè)計(jì)了NWD-CIOU損失函數(shù)，用來提高小目標(biāo)在底層標(biāo)簽分配中的準(zhǔn)確性。

1.1.1雙向路由自注意力機(jī)制針對(duì)水下環(huán)境中圖像對(duì)比度低、模糊和失真等問題，本研究在骨干網(wǎng)絡(luò)中嵌入了BRA^[19]自注意力機(jī)制，以增強(qiáng)骨干網(wǎng)絡(luò)的特征提取能力。這種機(jī)制使得模型能夠更有效地捕捉并利用有限的目標(biāo)特征，從而在復(fù)雜的水下環(huán)境中提高檢測(cè)效果。BRA本質(zhì)是一種自注意力機(jī)制的變體（圖2），它將多頭自注意力的計(jì)算分為兩個(gè)階段，第一階段進(jìn)行粗粒度的注意力計(jì)算，該模塊基于稀疏采樣而非下采樣，可以保留細(xì)粒度的細(xì)節(jié)。第二階段基于第一階段的稀疏注意力結(jié)果進(jìn)行細(xì)粒度的注意力計(jì)算。在第一階段中將給定的H×W維圖像劃分為S×S個(gè)非重疊區(qū)域，然后對(duì)每個(gè)非重疊區(qū)域進(jìn)行自注意力計(jì)算，得到查詢Q、鍵K和值V。然后構(gòu)建有向圖來找到關(guān)注關(guān)系，即每個(gè)給定區(qū)域應(yīng)該關(guān)注的區(qū)域。具體來說，通過對(duì)Q和K應(yīng)用每個(gè)區(qū)域的平均值來得到區(qū)域查詢Q^r和鍵K^r，然后通過Q^r和轉(zhuǎn)置K^r之間的矩陣乘法，得到區(qū)域到區(qū)域親和圖像的鄰接矩陣A^r，其中鄰接矩陣中的每個(gè)數(shù)值表示兩個(gè)區(qū)域之間的語義關(guān)聯(lián)程度，其計(jì)算公式為：

Ar=Qr（Kr）T（1）

公式（1）中r表示計(jì)算的區(qū)域（region），T表示轉(zhuǎn)置符號(hào)。

為了更加高效地定位有價(jià)值的鍵值對(duì)進(jìn)行全局參與，在粗粒度的區(qū)域級(jí)別中過濾掉不相關(guān)的鍵值對(duì)，只需要保留對(duì)每個(gè)區(qū)域關(guān)聯(lián)程度最大的鍵值對(duì)，從而得到了一個(gè)路由索引矩陣I^r，其公式為：

I^r=topkIndex（Ar）（2）

在第二階段中，根據(jù)第一階段得到的鄰接矩陣I^r進(jìn)行細(xì)粒度的自注意力計(jì)算。對(duì)于第i個(gè)區(qū)域中的每個(gè)查詢，讓它僅僅關(guān)注I^r中第i行的前k個(gè)區(qū)域的并集中所有的鍵值對(duì)，為了方便操作首先需要收集所有的K和V，公式為：

Kg=gather（K，I^r）（3）

Vg=gather（V，I^r）（4）

公式（3）中Kg和公式（4）中V^g是I^r中所有區(qū)域收集到的鍵值張量。

最后將注意力集中在收集的鍵值對(duì)上，其計(jì)算公式為：

O=Attention（Q，Kg，Vg）+LEC（V）（5）

公式（5）中引入了一個(gè)局部上下文增強(qiáng)術(shù)語LCE（V）^[20]，可以增強(qiáng)V中相鄰像素之間的聯(lián)系。其中，函數(shù)LCE（·）使用深度可分離卷積進(jìn)行參數(shù)化，卷積核大小設(shè)置為5。

1.1.2自適應(yīng)特征融合網(wǎng)絡(luò)YOLOv8頸部網(wǎng)絡(luò)使用3種尺度不同的特征層進(jìn)行融合，分別是20×20、40×40和80×80，然而在水下場(chǎng)景中，圖像比較模糊且存在不同尺度的密集目標(biāo)，這些目標(biāo)的語義信息和位置信息更多集中在更淺的特征層，僅使用3個(gè)較深的特征層容易出現(xiàn)漏檢或者誤檢。為此本研究在頸部特征融合過程中增加了一個(gè)160×160的淺層特征層，以獲得更多的特征信息，然后設(shè)計(jì)了AFF網(wǎng)絡(luò)，將4個(gè)不同尺度大小的特征層進(jìn)行自適應(yīng)特征融合。該方法是訓(xùn)練過程中學(xué)習(xí)不同層次特征的最佳融合方法，融合過程中可以過濾掉攜帶矛盾的其他層的特征信息，從而緩解學(xué)習(xí)目標(biāo)不一致的問題。

AFF結(jié)構(gòu)如圖3所示，其核心思想是自適應(yīng)學(xué)習(xí)每個(gè)尺度上特征圖的融合空間權(quán)重，主要分為兩個(gè)步驟，即特征縮放和自適應(yīng)融合。先將特征圖進(jìn)行縮放，其中第l層將其他特征層通過上采樣或者下采樣的方式調(diào)整到和該層特征圖大小。對(duì)于上采樣使用1×1的卷積層將特征圖像通道壓縮到和第l層相同，然后使用插值法提高分辨率；對(duì)于下采樣則使用步長(zhǎng)為2的3×3卷積層修改通道數(shù)量和分辨率，最后進(jìn)行特征融合，以第l層輸出特征圖像為例，其融合公式如下：

ylij=αlij·x^1→lij+βlij·x^2→lij+γlij·x^3→lij+ηlij·x^4→lij

（6）

在公式（6）中，l表示融合的層數(shù)，x^k→lij表示第k個(gè)輸入特征層（k=1，2，3，4）在第l層融合后在（i，j）位置上輸出的特征結(jié)果，αlij、βlij、γlij和ηlij分別代表對(duì)于不同層的權(quán)重系數(shù)，并且對(duì)于權(quán)重參數(shù)滿足αlij+βlij+γlij+ηlij=1，αlij、βlij、γlij和ηlij∈[0，1]，其中權(quán)重參數(shù)αlij定義為：

αlij=e^λlαije^λlαij+e^λlβij+e^λlγij+e^λlηij（7）

公式（7）中e^λlαij、e^λlβij、e^λlγij、e^λlηij都是控制參數(shù)，通過1×1的卷積核與x^1→l、x^2→l、x^3→l、x^4→l分別學(xué)習(xí)得到，其他權(quán)重參數(shù)以此類推。通過該方式進(jìn)行自適應(yīng)特征融合后得到4個(gè)輸出特征層，后續(xù)使這4個(gè)特征層作為檢測(cè)頭進(jìn)行檢測(cè)。

1.1.3小目標(biāo)損失函數(shù)（NWD-CIOU）YOLOv8中的損失函數(shù)包括3個(gè)部分，即邊界框定位損失、置信度損失和分類損失。其中邊界框定位損失默認(rèn)使用完全交并比CIOU^[21]為度量標(biāo)準(zhǔn)，CIOU是對(duì)IOU的改進(jìn)，然而這兩種度量標(biāo)準(zhǔn)對(duì)于小目標(biāo)的位置偏差都較為敏感，導(dǎo)致小目標(biāo)在標(biāo)簽分配中可能無法匹配到正樣本或者正樣本數(shù)量太少，降低模型的性能?？紤]到CIOU在衡量小目標(biāo)邊界框距離時(shí)可能不是最佳選擇，本研究提出了一種改進(jìn)的CIOU損失函數(shù)，命名為NWD-CIOU。這種新的損失函數(shù)旨在更準(zhǔn)確地評(píng)估并優(yōu)化小目標(biāo)的邊界框預(yù)測(cè)，提升小目標(biāo)檢測(cè)的精度。

應(yīng)用NWD-CIOU首先需要對(duì)邊界框進(jìn)行高斯分布建模。對(duì)于較小物體的邊界框，由于物體不是嚴(yán)格意義的矩形，所以存在一些前景像素和背景像素，各自分布在邊界框的中間和邊界^[22]。為了描述邊界框中不同像素的權(quán)重，對(duì)邊界框進(jìn)行二維高斯分布建模，其中最中間的像素有最高權(quán)重，權(quán)值大小從中心到邊界逐漸降低。對(duì)于邊界框R（cx，cy，ω，h），其中（cx，cy）、ω和h分別表示為邊界框的中心坐標(biāo)、寬度和高度。其內(nèi)接圓的方程式為：

（x-μx）2σx2+（y-μy）2σy2=1（8）

公式（8）中μx和μy是橢圓的中心坐標(biāo)，σx和σy表示x軸和y軸的半軸長(zhǎng)度。因此μx=cx，μy=cy，σx=ω/2，σy=h/2。二維高斯分布的概率密度函數(shù)為：

f（X|μ，）=exp-12（X-μ）T^-1（X-μ）2π||¹²（9）

公式（9）中exp表示以e為底的指數(shù)函數(shù)，X、μ和∑分別表示高斯分布的坐標(biāo)、平均向量和協(xié)方差矩陣。

進(jìn)行二維高斯分布建模后，使用最優(yōu)運(yùn)輸理論中的Wasserstein距離^[23]來衡量?jī)蓚€(gè)邊界框的距離。對(duì)于μ1=N（m1，∑1）和μ2=N（m2，∑2）兩個(gè)二維高斯，兩者之間的二階Wasserstein距離定義為：

W22（μ1，μ2）=‖m1-m2‖22+‖∑^1/21-∑^1/22‖（10）

公式（10）中m1和m2表示高斯分布的均值向量，‖·‖F(xiàn)表示Frobenius范數(shù)。

對(duì)于兩個(gè)邊界框，距離度量又可以表示為：

W22（Na，Nb）=‖[（cxa，cya，ωa2，ha2）T，（cxb，cyb，ωb2，hb2）T]‖22

（11）

公式（11）中a和b代表兩個(gè)邊界框。然而，這個(gè)距離度量并不能直接用于相似度的計(jì)算，需要對(duì)其進(jìn)行歸一化，獲得歸一化的Wasserstein距離（NormalizedWassersteindistance，NWD），將其作為邊界框的度量標(biāo)準(zhǔn)，其公式如下：

NWD（Na，Nb）=exp-W22（Na，Nb）C（12）

公式（12）中a和b代表兩個(gè)邊界框，C是一個(gè)和數(shù)據(jù)集相關(guān)的常數(shù)（數(shù)據(jù)集的平均大?。?。如果僅以NWD度量方式作為模型的定位損失函數(shù)，對(duì)于包含不同尺度大小的數(shù)據(jù)集可能達(dá)不到更好的檢測(cè)效果，為此本研究將NWD和CIOU兩種度量標(biāo)準(zhǔn)進(jìn)行結(jié)合，引入一個(gè)比例因子，設(shè)計(jì)了新的NWD-CIOU損失函數(shù)，即：

LOSSNWD-CIOU=（1-μ）LOSSNWD+μLOSSCIOU（13）

公式（13）中μ值為超參數(shù)，經(jīng)過多次試驗(yàn)后該值取0.2達(dá)到最佳。和CIOU相比，NWD-CIOU考慮到了小目標(biāo)由于位置偏差過于敏感導(dǎo)致標(biāo)簽分配失敗的問題，提升了模型對(duì)小目標(biāo)的檢測(cè)效果。和僅使用NWD度量標(biāo)準(zhǔn)相比，在包含不同尺度大小的數(shù)據(jù)集上，NWD-CIOU能獲得更高的精度，并且可以加快模型訓(xùn)練的收斂速度。

1.2試驗(yàn)數(shù)據(jù)集

本試驗(yàn)所用到的數(shù)據(jù)集來自公開的URPC2018數(shù)據(jù)集和Brackish數(shù)據(jù)集。其中URPC2018數(shù)據(jù)集有3701張圖片，包含海星、海參等4種海洋生物，部分?jǐn)?shù)據(jù)集圖片如圖4所示。Brackish數(shù)據(jù)集總共有14518張圖片，包含魚類、螃蟹等6種海洋生物，部分?jǐn)?shù)據(jù)集圖片如圖5所示。本研究將兩個(gè)數(shù)據(jù)集均按照8∶1∶1的比例劃分為訓(xùn)練集、驗(yàn)證集和測(cè)試集進(jìn)行后續(xù)試驗(yàn)。

1.3試驗(yàn)設(shè)置

本研究的模型構(gòu)建在PyTorch深度學(xué)習(xí)框架之上，并在Ubuntu20.04操作系統(tǒng)環(huán)境下進(jìn)行試驗(yàn)。具體而言，PyTorch版本為1.8，搭配的Python版本是3.8。模型訓(xùn)練任務(wù)在配備NVIDIAGeForceRTX3090（24GB顯存）的GPU上執(zhí)行。為了確保模型訓(xùn)練的一致性和可重復(fù)性，輸入圖像被標(biāo)準(zhǔn)化為640×640像素。在訓(xùn)練過程中，Batch-Size設(shè)置為16，總共進(jìn)行300個(gè)epoch訓(xùn)練。初始學(xué)習(xí)率設(shè)定為0.01，并采用余弦退火策略對(duì)學(xué)習(xí)率進(jìn)行調(diào)整。優(yōu)化過程中，動(dòng)量參數(shù)設(shè)置為0.937，選用SGD（隨機(jī)梯度下降）作為優(yōu)化器。

1.4評(píng)價(jià)指標(biāo)

為了評(píng)價(jià)模型的檢測(cè)精度，本研究采用平均精確率（mAP）、精準(zhǔn)率（P）和召回率（R）作為評(píng)價(jià)指標(biāo)。其中AP表示單類標(biāo)簽的平均精確率，mAP表示所有類別標(biāo)簽的平均精確率，IOU取值為0.5。精準(zhǔn)率表示在預(yù)測(cè)的所有正樣本中實(shí)際也是正樣本的概率。召回率表示實(shí)際為正樣本被預(yù)測(cè)為正樣本的概率。為了評(píng)價(jià)模型的檢測(cè)速度，選取每1s檢測(cè)幀數(shù)（FPS）作為檢測(cè)速度的評(píng)價(jià)標(biāo)準(zhǔn)。上述指標(biāo)的計(jì)算公式分別為：

P=TPTP+FP（14）

R=TPTP+FN（15）

AP=∫10PdR（16）

mAP=NnAPnN（17）

FPS=FTTC（18）

公式（14）和（15）中TP表示被預(yù)測(cè)為正樣本的數(shù)量，F(xiàn)P表示預(yù)測(cè)為負(fù)樣本的數(shù)量，F(xiàn)N表示實(shí)際為正樣本被預(yù)測(cè)為負(fù)樣本的數(shù)量；公式（17）中N表示類別數(shù)量；公式（18）中FT表示總幀數(shù)；TC表示檢測(cè)時(shí)間。

2結(jié)果與分析

2.1消融試驗(yàn)結(jié)果

為了驗(yàn)證改進(jìn)模塊的有效性，對(duì)本研究方法使用的BRA、AFF和NWD-CIOU3個(gè)模塊進(jìn)行消融試驗(yàn)，在URPC2018和Brackish兩個(gè)數(shù)據(jù)集上的試驗(yàn)結(jié)果如表1和表2所示?？梢钥吹?，當(dāng)網(wǎng)絡(luò)中添加BRA自注意力模塊后，與YOLOv8m模型相比mAP分別提升1.4個(gè)百分點(diǎn)和1.5個(gè)百分點(diǎn)，這說明BRA使用了細(xì)粒度的自注意力機(jī)制，建立遠(yuǎn)程的上下文特征依賴，捕獲最顯著特征，從而增強(qiáng)了網(wǎng)絡(luò)的特征提取效果。當(dāng)加入AFF之后，與YOLOv8m模型相比mAP均提升1.2個(gè)百分點(diǎn)，這說明AFF通過增加淺層特征層進(jìn)行自適應(yīng)特征融合，更加充分地利用不同尺度特征層的位置信息和語義信息，提高不同尺度目標(biāo)的檢測(cè)效果。將NWD與CIOU結(jié)合作為邊界框損失函數(shù)后，與YOLOv8m模型相比mAP分別提升了1.8個(gè)百分點(diǎn)和1.5個(gè)百分點(diǎn)，這一改進(jìn)在兩個(gè)不同的數(shù)據(jù)集上都得到了驗(yàn)證。圖6中的邊界框損失曲線圖直觀展示了改進(jìn)措施的效果。在訓(xùn)練過程中，使用NWD的模型與使用CIOU的模型相比，顯示出更明顯的訓(xùn)練損失下降。這一結(jié)果表明，NWD在處理小目標(biāo)時(shí)性能更佳，能夠?qū)崿F(xiàn)更精確的標(biāo)簽分配，從而提高對(duì)小目標(biāo)的檢測(cè)精度。當(dāng)NWD與CIOU結(jié)合使用時(shí)，模型的損失下降最為顯著。由此可見，將NWD與CIOU結(jié)合能夠充分利用兩種度量標(biāo)準(zhǔn)的優(yōu)勢(shì)，平衡對(duì)不同尺度目標(biāo)的檢測(cè)性能，提升模型的整體檢測(cè)效果。從表1和表2還可以發(fā)現(xiàn)，將全部模塊添加之后，模型在兩個(gè)數(shù)據(jù)集上的mAP達(dá)到最高，分別為86.9%和98.6%，與YOLOv8m模型相比分別提高了3.5個(gè)百分點(diǎn)和3.3個(gè)百分點(diǎn)。

為了更直觀地展示模型各模塊對(duì)檢測(cè)效果的影響，通過逐一添加BRA自注意力模塊、AFF模塊和NWD-CIOU損失函數(shù)來進(jìn)行試驗(yàn)。在URPC2018和Brackish兩個(gè)數(shù)據(jù)集中分別隨機(jī)抽取一張圖片，并生成了相關(guān)的熱力圖，結(jié)果如圖7和圖8所示?？梢钥闯觯褂肶OLOv8m基礎(chǔ)模型時(shí)，熱力圖上檢測(cè)到的目標(biāo)數(shù)量較少，且覆蓋的區(qū)域較小，表明有些目標(biāo)沒有被模型準(zhǔn)確識(shí)別。這一結(jié)果說明YOLOv8m骨干網(wǎng)絡(luò)對(duì)于水下復(fù)雜場(chǎng)景下的特征提取能力不足。加入BRA模塊后，熱力圖中檢測(cè)到的目標(biāo)區(qū)域擴(kuò)大且更集中在目標(biāo)周圍，同時(shí)檢測(cè)到的目標(biāo)數(shù)量增加，這表明BRA通過其細(xì)粒度的自注意力機(jī)制，建立了遠(yuǎn)程的上下文連接，讓網(wǎng)絡(luò)更容易關(guān)注到目標(biāo)的最顯著特征。在增加BRA模塊的基礎(chǔ)上增加AFF模塊后熱力圖中檢測(cè)到的目標(biāo)數(shù)量增多，且檢測(cè)到的區(qū)域更集中于實(shí)際目標(biāo)上，但是仍然存在較小目標(biāo)沒有被關(guān)注。這說明AFF模塊通過自適應(yīng)特征融合增強(qiáng)了對(duì)不同尺度目標(biāo)的識(shí)別能力，且增加的淺層特征層包含了更多的位置信息和語義信息，擴(kuò)大了檢測(cè)范圍，從而對(duì)不同尺度目標(biāo)識(shí)別更為精準(zhǔn)。在增加BRA模塊和AFF模塊基礎(chǔ)上再使用NWD-CIOU損失函數(shù)后，熱力圖中檢測(cè)到的目標(biāo)數(shù)量繼續(xù)增加，且檢測(cè)到的區(qū)域更加精確地集中在目標(biāo)的中心位置。這表明NWD-CIOU損失函數(shù)在小目標(biāo)的定位上更為精確，提高了小目標(biāo)標(biāo)簽分配的準(zhǔn)確性，從而提高了模型對(duì)小目標(biāo)的檢測(cè)精度。

2.2對(duì)比試驗(yàn)結(jié)果

為了客觀評(píng)估本研究方法的性能，應(yīng)用YOLOv8-BAN模型和一些經(jīng)典的目標(biāo)檢測(cè)模型在URPC2018和Brackish兩個(gè)數(shù)據(jù)集上進(jìn)行定量和定性對(duì)比試驗(yàn)，對(duì)比的經(jīng)典目標(biāo)檢測(cè)模型有FasterR-CNN^[4]、YOLOV5s^[24]、YOLOX^[25]、ViTDet^[26]和YOLOv7^[27]等模型。

定量對(duì)比試驗(yàn)結(jié)果如表3、表4所示。FasterR-CNN模型由于采用了兩階段檢測(cè)設(shè)計(jì)，導(dǎo)致其檢測(cè)速度較慢;同時(shí)，由于未能利用多尺度特征層進(jìn)行特征融合，其檢測(cè)平均精度也最低，分別只有73.5%和84.4%。YOLOv5s模型雖然因其輕量化設(shè)計(jì)，在兩個(gè)數(shù)據(jù)集上的檢測(cè)速度最高，分別為1s124.6幀和118.6幀，但網(wǎng)絡(luò)深度和復(fù)雜度的不足限制了其特征提取能力，因此其平均檢測(cè)精度與YOLOv8-BAN模型相比分別低5.8個(gè)百分點(diǎn)和5.2個(gè)百分點(diǎn)。YOLOX模型的平均檢測(cè)精度與YOLOv8-BAN模型相比也有3.7個(gè)百分點(diǎn)和3.0個(gè)百分點(diǎn)的差距；檢測(cè)速度雖然高于FasterR-CNN模型和ViTDet模型，但實(shí)時(shí)性表現(xiàn)一般。ViTDet模型基于ViT模型進(jìn)行了改進(jìn)，增強(qiáng)了網(wǎng)絡(luò)特征提取能力，但在小目標(biāo)的標(biāo)簽分配上仍有誤差，平均檢測(cè)精度比YOLOv8-BAN模型低1.7個(gè)百分點(diǎn)和1.0個(gè)百分點(diǎn)；同時(shí)因?yàn)槟Ｐ蛥?shù)量和計(jì)算量較大，導(dǎo)致其檢測(cè)速度較慢，難以滿足實(shí)時(shí)性要求。YOLOv7模型在檢測(cè)精度和實(shí)時(shí)性方面表現(xiàn)尚可，平均檢測(cè)精度分別為82.6%和94.6%，但YOLOv7模型使用CIOU邊界框定位損失函數(shù)，導(dǎo)致其對(duì)小目標(biāo)檢測(cè)效果一般。YOLOv8-BAN模型與另外6個(gè)模型相比平均檢測(cè)精度最高，分別達(dá)到86.9%和98.6%，相比YOLOv8m模型分別提升3.5個(gè)百分點(diǎn)和3.3個(gè)百分點(diǎn)。這一顯著提升歸功于本研究提出的3個(gè)改進(jìn)模塊，其中BRA自注意力機(jī)制增強(qiáng)了其網(wǎng)絡(luò)特征提取能力，讓網(wǎng)絡(luò)更加關(guān)注目標(biāo)的最顯著區(qū)域；AFF模塊使用自適應(yīng)特征融合的方式，減少了不同特征層融合產(chǎn)生的矛盾信息，提高了融合效果，讓網(wǎng)絡(luò)對(duì)不同尺度目標(biāo)檢測(cè)精度提升；NWD-CIOU損失函數(shù)提高了小目標(biāo)在底層標(biāo)簽分配過程中的準(zhǔn)確性，讓小目標(biāo)瞄框可以分配到更多的正樣本目標(biāo)，從而提高對(duì)小目標(biāo)的檢測(cè)精度。

為了定性評(píng)價(jià)和比較不同檢測(cè)模型在實(shí)際水下環(huán)境中對(duì)水生生物的檢測(cè)效果，本研究選擇了3張具有代表性的水下圖片進(jìn)行測(cè)試。在URPC2018數(shù)據(jù)集中選取了2張圖片，即圖9（1）和圖9（2）；在Brackish數(shù)據(jù)集中選取了1張圖片，即圖9（3）。其中圖9（1）受背景干擾，目標(biāo)特征不明顯；圖9（2）包含不同尺度的目標(biāo)；圖9（3）則存在密集小目標(biāo)。測(cè)試結(jié)果顯示，YOLOv8-BAN模型檢測(cè)到了圖9（1）中所有目標(biāo)，并且置信度超過另外6種模型，其他模型則產(chǎn)生了漏檢或者誤檢。這一結(jié)果突出了YOLOv8-BAN模型在特征提取方面的超強(qiáng)能力，尤其是加入的BRA自注意力機(jī)制能夠有效建立遠(yuǎn)程特征之間的聯(lián)結(jié)，使網(wǎng)絡(luò)更加關(guān)注目標(biāo)的關(guān)鍵特征。YOLOv8-BAN模型也能夠檢測(cè)到圖9（2）中所有目標(biāo)，而且置信度比其他模型都高，這進(jìn)一步驗(yàn)證了AFF模塊的有效性，該模塊能夠在多尺度特征融合過程中增加目標(biāo)的特征信息，并過濾掉攜帶矛盾信息的特征，從而解決學(xué)習(xí)目標(biāo)不一致的問題，提高了不同尺度目標(biāo)的檢測(cè)效果。針對(duì)圖9（3），YOLOv8-BAN模型檢測(cè)到了所有的小目標(biāo)，其他6種模型都產(chǎn)生了漏檢的現(xiàn)象。這一結(jié)果再次驗(yàn)證了NWD-CIOU損失函數(shù)在提高小目標(biāo)檢測(cè)精度方面的作用，該損失函數(shù)提高了小目標(biāo)標(biāo)簽分配的準(zhǔn)確性，可以對(duì)小目標(biāo)進(jìn)行精準(zhǔn)定位。

綜上所述，經(jīng)過定量和定性的對(duì)比試驗(yàn)，充分驗(yàn)證了本研究提出的模型對(duì)于水下生物目標(biāo)檢測(cè)任務(wù)的適用性，對(duì)于水下密集目標(biāo)和小目標(biāo)都具有良好的檢測(cè)效果。

3結(jié)論

水下生物目標(biāo)檢測(cè)技術(shù)賦予水下機(jī)器人精確捕撈的能力，并輔助進(jìn)行水生生物的統(tǒng)計(jì)監(jiān)測(cè)，為水產(chǎn)養(yǎng)殖的智能化轉(zhuǎn)型提供了堅(jiān)實(shí)的技術(shù)支持。為了應(yīng)對(duì)水下圖像質(zhì)量差和小目標(biāo)生物聚集所帶來的檢測(cè)精度低的挑戰(zhàn)，本研究通過改進(jìn)YOLOv8m模型，獲得YOLOv8-BAN模型。該模型首先在骨干網(wǎng)絡(luò)中集成了BRA自注意力機(jī)制，以捕獲目標(biāo)間的長(zhǎng)距離特征關(guān)聯(lián)，使網(wǎng)絡(luò)更加聚焦于目標(biāo)的關(guān)鍵特征；其次，通過在頸部網(wǎng)絡(luò)中結(jié)合AFF模塊進(jìn)行自適應(yīng)特征融合，有效降低了特征融合過程中的矛盾信息，提升了對(duì)不同尺寸目標(biāo)的檢測(cè)效果；此外，本研究將NWD和CIOU兩種邊界框距離度量標(biāo)準(zhǔn)相結(jié)合，設(shè)計(jì)了NWD-CIOU損失函數(shù)，完成了對(duì)小目標(biāo)更精準(zhǔn)的標(biāo)簽分配。在URPC2018和Brackish兩個(gè)水下公共數(shù)據(jù)集上的測(cè)試結(jié)果表明，YOLOv8-BAN模型取得了良好的檢測(cè)效果，能夠?yàn)樗律锬繕?biāo)檢測(cè)的自動(dòng)化和智能化提供技術(shù)支撐。

參考文獻(xiàn)：

[1]FAYAZS，PARAHSA，QURESHIGJ，etal.Underwaterobjectdetection：architecturesandalgorithms-acomprehensivereview[J].MultimediaToolsandApplications，2022，81（1）：20871-20916.

[2]許裕良，杜江輝，雷澤宇，等.水下機(jī)器人在漁業(yè)中的應(yīng)用現(xiàn)狀與關(guān)鍵技術(shù)綜述[J].機(jī)器人，2023，45（1）：110-128.

[3]XUSB，ZHANGMH，SONGW，etal.Asystematicreviewandanalysisofdeeplearning-basedunderwaterobjectdetection[J].Neurocomputing，2023，527：204-232.

[4]RENSQ，HEKM，GIRSHICKR，etal.FasterR-CNN：towardsreal-timeobjectdetectionwithregionproposalnetworks[J].IEEETransactionsonPatternAnalysisandMachineIntelligence，2017，39（6）：1137-1149.

[5]袁紅春，張碩.基于FasterR-CNN和圖像增強(qiáng)的水下魚類目標(biāo)檢測(cè)方法[J].大連海洋大學(xué)學(xué)報(bào)，2020，35（4）：612-619.

[6]LIUJ，LIUS，XUSJ，etal.Two-stageunderwaterobjectdetectionnetworkusingswintransformer[J].IEEEAccess，2022，10：117235-117247.

[7]LINWH，ZHONGJX，LIUS，etal.Roimix：proposal-fusionamongmultipleimagesforunderwaterobjectdetection[C].Barcelona：ICASSP，2020.

[8]SHIP，XUX，NIJ，etal.Underwaterbiologicaldetectionalgorithmbasedonimprovedfaster-RCNN[J].Water，2021，13（17）：2420.

[9]REDMONJ，DIVVALAS，GIRSHICKR，etal.Youonlylookonce：unified，real-timeobjectdetection[C].LasVegas：IEEE，2016.

[10]REDMONJ，F(xiàn)ARHADIA.YOLO9000：better，faster，stronger[C].Honolulu：IEEE，2017.

[11]REDMONJ，F(xiàn)ARHADIA.Yolov3：anincrementalimprovement[C].SaltLakeCity：CVPR，2018.

[12]BOCHKOVSKIYA，WANGCY，LIAOHYM，etal.Yolov4：optimalspeedandaccuracyofobjectdetection[C].Seattle：CVPR，2020.

[13]GUOT，WEIY，SHAOH，etal.ResearchonunderwatertargetdetectionmethodbasedonimprovedMSRCPandYOLOv3[C].Nashville：IEEE，2021.

[14]CHENLY，ZHENGMC，DUANSQ，etal.UnderwatertargetrecognitionbasedonimprovedYOLOv4neuralnetwork[J].Electronics，2021，10（14）：1634.

[15]LEIF，TANGF，LIS.UnderwatertargetdetectionalgorithmbasedonimprovedYOLOv5[J].JournalofMarineScienceandEngineering，2022，10（3）：310.

[16]翟先一，魏鴻磊，韓美奇，等.基于改進(jìn)YOLO卷積神經(jīng)網(wǎng)絡(luò)的水下海參檢測(cè)[J].江蘇農(nóng)業(yè)學(xué)報(bào)，2023，39（7）：1543-1553.

[17]SUNY，ZHENGWX，DUX，etal.UnderwatersmalltargetdetectionbasedonYOLOXcombinedwithmobileViTanddoublecoordinateattention[J].JournalofMarineScienceandEngineering，2023，11（6）：1178.

[18]YIWG，WANGB.ResearchonunderwatersmalltargetdetectionalgorithmbasedonimprovedYOLOv7[J].IEEEAccess，2023，11：66818-66827.

[19]ZHUL，WANGX，KEZ，etal.BiFormer：visiontransformerwithBi-levelroutingattention[C].Vancouver：IEEE，2023.

[20]RENS，ZHOUD，HES，etal.Shuntedself-attentionviamulti-scaletokenaggregation[C].NewOrleans：IEEE，2022.

[21]ZHENGZ，WANGP，LIUW，etal.Distance-IoUloss：fasterandbetterlearningforboundingboxregression[C].NewYork：AAAI，2020.

[22]XUC，WANGJW，YANGW，etal.Detectingtinyobjectsinaerialimages：anormalizedWassersteindistanceandanewbenchmark[J].ISPRSJournalofPhotogrammetryandRemoteSensing，2022，190：79-93.

[23]ARJOVSKYM，CHINTALAS，BOTTOUL.Wassersteingenerativeadversarialnetworks[C].Sydney：ICML，2017.

[24]WANGDD，HEDJ.ChannelprunedYOLOV5s-baseddeeplearningapproachforrapidandaccurateapplefruitletdetectionbeforefruitthinning[J].BiosystemsEngineering，2021，210：271-281.

[25]HEQ，XUA，YEZ，etal.ObjectdetectionbasedonlightweightYOLOXforautonomousdriving[J].Sensors，2023，23（17）：7596.

[26]LIYH，MAOHZ，GIRSHICKR，etal.Exploringplainvisiontransformerbackbonesforobjectdetection[C].TelAviv：ECCV，2022.

[27]WANGCY，BOCHKOVSKIYA，LIAOHYM.YOLOv7：trainablebag-of-freebiessetsnewstate-of-the-artforreal-timeobjectdetectors[C].Vancouver：IEEE，2023.

（責(zé)任編輯：黃克玲）