基于时序多帧聚合增强的YOLO架构实现水下青蟹精准检测(TMAE-YOLO)

为解决水下青蟹分布不均及成像环境复杂导致的检测精度难题，研究人员开发了基于YOLO架构的时序多帧聚合增强检测系统(TMAE-YOLO)。通过创新性设计TMAE模块实现跨帧信息交互，结合TD-AFPN颈网进行渐进式特征融合，在自建水下青蟹数据集中验证了检测精度的显著提升，为水产养殖生态管理提供了智能化解决方案。

　　

目标检测技术为实时监测青蟹生长状态提供了新范式，不仅能提升水产养殖存活率与生长效率，更有助于构建可持续育种体系。这项技术通过减少环境干扰实现生态友好型资源管理，为水生生态系统精准调控提供支撑。针对青蟹空间分布异质性及水下成像模糊等挑战，研究者基于YOLO框架创新提出时序多帧聚合增强检测方法(TMAE-YOLO)，其核心包含两大突破模块：时序多帧聚合增强模块(TMAE)采用帧间关联建模解决遮挡模糊场景的检测难题，而自上而下渐进融合颈网(TD-AFPN)通过自适应空间融合技术实现多层次特征的平滑过渡。这种设计有效避免了TMAE强化的高层语义特征在其他阶段融合时的信息耗散，最终在自制水下青蟹数据集上验证了该方法显著的精度优势。