李路, 宋均琦, 朱明, 谭鹤群, 周玉凡, 孙超奇, 周铖钰
针对水下能见度不佳,黄颡鱼目标提取精度低、速度慢等问题,提出了基于相对全局直方图拉伸(RGHS)算法和改进YOLOv5的黄颡鱼目标提取模型。首先,为解决光照不均、噪声大等因素带来的图像质量问题,采用RGHS算法对黄颡鱼图像进行亮度增强。然后,在YOLOv5主干网络中引入C3ghost模块和坐标注意力(CA)机制,在颈部网络中用gnConv替换普通卷积,建立改进YOLOv5模型,提升黄颡鱼目标提取精度。结果表明,改进模型的AP值、准确率、召回率比YOLOv5模型分别提升了2.76%、3.16%、3.1%,F1值提升了0.03,所占内存减少了2.3 MB,单张图片推理时间减少了0.001 s。同时,在与YOLOv4、SSD、Faster-RCNN、YOLOx模型的对比实验中,改进模型的AP值分别提升了3.27%、8.63%、2.48%、2.52%。基于RGHS图像增强的改进YOLOv5模型在保证较快速度的情况下,显著提高了黄颡鱼目标提取精度,可为鱼类状态监测方法的研究提供有益参考。