基于改进YOLOv7模型的海参苗计数方法研究

针对海参幼苗体型小、出售量大但计数不方便的问题,以大连市鑫玉龙养殖基地为样本采集地,构建了海参幼苗数据集。针对YOLOv7对海参幼苗识别精度不高的问题,对YOLOv7原生网络进行改进,添加了注意力机制;并对卷积神经网络模型进行改进,在卷积的输入特征图中新增对应的通道来表征特征图像素点的坐标,让卷积学习过程中能够一定程度感知坐标来提升检测精度;添加轻量化上采样算子,利用输入特征图来预测上采样核,每个位置具有不同的上采样核,然后基于预测的上采样核进行特征重组;提升小个体海参的识别精度。实验结果显示,基于改进YOLOv7的海参检测平均准确率为90.68%,比YOLOv3提高了9.79百分点,比Mask R-CNN提高了6.48百分点,比SSD提高了5.35百分点,比YOLOv7原模型提高了1.46百分点。结果表明,该方法能用于实现海参计数识别。