采用改进SSD网络的海参目标检测算法.pdfVIP

第 38 卷 第 8 期 农 业 工 程 学 报 Vol.38 No.8 2022 年 4 月 Transactions of the Chinese Society of Agricultural Engineering Apr. 2022 297 采用改进 SSD 网络的海参目标检测算法 1 1,2※ 2 3 张 岚 ，邢博闻 ，李 彩 ，李硕峰 （1. 上海海洋大学工程学院，上海 201306 ；2. 热带海洋环境国家重点实验室 （中国科学院南海海洋研究所），广州 510308 ； 3. 哈尔滨工程大学智能科学与工程学院，哈尔滨 150001 ） 摘 要：随着海参养殖业快速发展，利用水下机器人代替人工作业的海参智能捕捞已成为发展趋势。浅海环境复杂，海 参体色与环境区分性差、海参呈现半遮蔽状态等原因，导致目标识别准确率低下。此外由于景深运动，远端海参作为小 目标常常未被识别成功。为解决上述问题，该研究提出一种基于改进 SSD 网络的海参目标检测算法。首先通过 RFB （Receptive Field Block ）模块扩大浅层特征感受野，利用膨胀卷积对特征图进行下采样，增加海参细节、位置等信息， 并结合注意力机制，对不同深度特征进行强化，将计算得出的权重与原特征信息相乘以此获得特征图，使结果包含最具 代表性的特征，也抑制无关特征。最后实现特征图融合，进一步提升水下海参的识别精度。以实际拍摄的视频进行测试 验证，在网络结构层面上，对传统算法进行改进。试验结果表明，基于改进的 SSD 网络的海参目标检测算法的平均精度 均值为 95.63%，检测帧速为 10.70 帧/s ，相较于传统的 SSD 算法，在平均精度均值提高 3.85 个百分点的同时检测帧速仅 减少 2.8 帧/s 。与 Faster R-CNN 算法和 YOLOv4 算法进行对比试验，该研究算法在平均精度均值指标上，分别比 YOLOv4 、 Faster R-CNN 算法提高 4.19 个百分点、1.74 个百分点。在检测速度方面，该研究算法较 YOLOv4 、Faster R-CNN 算法分 别低 4.6 帧/s 、高 3.95 帧/s ，试验结果表明，综合考虑准确率与运行速度，改进后的 SSD 算法较适合进行海参智能捕捞任 务。研究结果为海参智能捕捞提供参考。 关键词：图像识别；深度学习；算法；海参捕捞；SSD 网络 doi ：10.11975/j.issn.1002-6819.2022.08.034 中图分类号：TP391.4 文献标志码：A 文章编号：1002-6819(2022)-08-0297-07 张岚，邢博闻，李彩，等. 采用改进 SSD 网络的海参目标检测算法[J]. 农业工程学报，2022，38(8)：297-303. doi ： 10.11975/j.issn.1002-6819.2022.08.034 Zhang Lan, Xing Bowen, Li Cai, et al. Algorithm for detecting sea cucumbers based on improved SSD[J]. Transactions of the Chinese Society of Agricultural Engineering (Transactions of the CSAE), 2022, 38(8): 297-303. (in Chinese with English abstract) doi ：10.11975/j.issn.1002-6819.2022.08.034 识别，具有较强的鲁棒性。Yao 等[