复杂水下场景的轻量级鱼类检测方法

《Journal of Marine Science and Engineering》：A Lightweight Fish Detection Method for Complex Underwater Scenes

　　

鱼类观测是海洋生态监测的关键组成部分，对于理解生态过程和鱼类种群动态具有重要价值。在实际应用中，观测设备通常受限于有限的内存和计算资源，难以部署参数数量大、计算复杂度高的视觉检测模型。在有限的计算资源下，现有的基于深度学习的鱼类检测模型难以平衡检测精度、模型轻量化和实时边缘部署。为了解决这一问题，研究人员提出了一种基于YOLOv8n的轻量级GEM-YOLOv8n模型用于鱼类检测。针对复杂水下观测场景中的高模型复杂度、特征表示不足和边界框回归精度有限的问题，该模型用GhostC2f和GhostConv替换了C2f模块和一些卷积（Conv）模块，引入了EMA注意力机制（Efficient Multi-Scale Attention），并采用MPDIoU损失（Minimum Point Distance Intersection over Union）代替CIoU（Complete Intersection over Union）。实验结果表明，与YOLOv8n相比，GEM-YOLOv8n的精确率（Precision）、召回率（Recall）、平均精度均值（mAP₅₀）和mAP_50–95分别提高了0.53%、2.16%、0.52%和0.34%，同时参数数量和浮点运算数（FLOPs）分别减少了48.0%和39.5%。这些结果表明，所提出的模型在降低模型复杂度的同时提高了检测性能。在Jetson Xavier NX上的测试证明了其实时性能和部署可行性，为资源受限的水下鱼类检测提供了一种轻量级部署方案。

水下鱼类观测是海洋生态监测的核心环节，传统方法如渔获调查、声学探测存在成本高、不易直接识别等问题，而基于深度学习的方法虽能自动提取特征，但模型参数庞大、计算复杂，难以在内存和算力受限的水下观测设备上部署。现有轻量级检测模型在复杂水下场景中面临背景纹理杂乱、光照变化显著、小目标众多等挑战，难以同时兼顾检测精度、模型轻量化和实时边缘部署。为此，研究人员基于YOLOv8n提出轻量级鱼类检测模型GEM-YOLOv8n，旨在降低模型复杂度并提升复杂场景下的检测性能。该模型在WildFish数据集（1740张真实水下图像，按8:1:1划分训练、验证和测试集）上进行训练和评估，并在Jetson Xavier NX边缘设备上验证部署可行性。实验表明，GEM-YOLOv8n在参数数量减少48.0%、浮点运算数减少39.5%的同时，精确率、召回率、mAP₅₀和mAP_50–95分别提升0.53%、2.16%、0.52%和0.34%，边缘设备上帧率从23.2 FPS提升至26.1 FPS，实现了精度与复杂度的良好平衡，为资源受限的水下鱼类检测提供了一种有效的轻量级部署方案。相关论文发表在《Journal of Marine Science and Engineering》。

研究人员采用的关键技术方法主要包括：采用Ghost模块（GhostC2f和GhostConv）替代原C2f模块和部分卷积层，通过低成本变换生成冗余特征图，降低参数数量和计算量；在骨干网络中引入EMA注意力机制（Efficient Multi-Scale Attention），通过并行子结构和跨维度交互增强复杂背景下鱼类目标的特征表示；采用MPDIoU损失函数代替CIoU，通过直接优化预测框与真实框的角点距离来简化计算并提升边界框回归精度。实验计算环境为单张NVIDIA GeForce RTX 3090 GPU，边缘推理平台为NVIDIA Jetson Xavier NX。

研究结果部分：
**5.1 消融实验**：依次在基线模型YOLOv8n中加入Ghost模块、EMA注意力机制和MPDIoU损失函数，通过对比各模块引入前后的性能变化得出结论。加入Ghost模块使参数数量和FLOPs显著降低，但检测精度略有下降；引入EMA注意力机制后精度回升，表明其在不增加计算负担下补偿了轻量化造成的精度损失；进一步加入MPDIoU后精度继续提升。最终模型与YOLOv8n相比，参数减少48.0%、FLOPs减少39.5%，Precision、Recall、mAP₅₀和mAP_50–95分别提升0.53%、2.16%、0.52%和0.34%。

**5.2 对比实验**
**5.2.1 网络架构对比**：保持骨干使用GhostC2f不变，在颈部替换为GhostC2f、FasterC2f、VoVGSCSP和RepGD四种模块，比较检测精度和复杂度。GhostC2f+GhostC2f组合在保持高检测精度的前提下参数量和FLOPs最低，综合性能最佳。
**5.2.2 注意力机制对比**：将EMA与TripletAttention、GAM、SimAM进行对比。EMA在维持低参数量和计算量的同时，整体检测精度最高，尤其优于显著增加复杂度的GAM。
**5.2.3 损失函数对比**：将MPDIoU与WIoU、SIoU、GIoU、DIoU、EIoU比较。MPDIoU在整体检测精度上最优，且精确率和召回率较均衡。
**5.2.4 检测模型对比**：将GEM-YOLOv8n与YOLOv5n、YOLOv6n、YOLOv7-tiny及YOLOv8n对比。GEM-YOLOv8n的Precision、Recall、mAP₅₀和mAP_50–95均为最高（94.2%、94.8%、97.2%、87.3%），而参数量（1.56 M）和FLOPs（4.9 G）仅高于YOLOv5n，表现出最佳的精度-复杂度平衡。

**5.3 边缘设备推理性能**：在Jetson Xavier NX上使用TensorRT进行ONNX格式推理测试。GEM-YOLOv8n的推理帧率从YOLOv8n的23.2 FPS提升至26.1 FPS，延迟从43.1 ms降至38.3 ms，验证了其在资源受限设备上的实时部署能力。

**5.4 模型性能可视化**：通过训练和验证集的损失与性能指标曲线展示模型收敛情况，训练过程稳定、未过拟合。对比YOLOv8n和GEM-YOLOv8n在验证集上的检测结果可视化图像，表明GEM-YOLOv8n在复杂背景、小目标和部分遮挡场景中漏检显著减少，检测置信度更高，边界框定位更稳定。

讨论部分指出，GEM-YOLOv8n在检测精度、模型复杂度和边缘部署需求之间取得了良好平衡，可视化结果证实了其在复杂场景下的检测稳定性。但模型在极低光照、严重浑浊、大面积遮挡或极小目标时仍存在漏检和定位误差，且对与训练数据分布差异较大的场景泛化能力可能受限。未来可进一步扩展数据集、结合水下图像增强与跨场景训练等方法提升鲁棒性。

结论部分原文翻译：为解决设备的内存和计算约束，本文基于YOLOv8n提出轻量级鱼类检测算法GEM-YOLOv8n。首先，采用轻量级GhostC2f替代C2f，减少模型参数数量和计算量；其次，在骨干网络引入EMA注意力模块以增强特征表示并提高检测精度；最后，用MPDIoU替换CIoU以简化损失函数计算并提升边界框回归性能。实验结果表明，与YOLOv8n相比，模型精确率提升0.53%，召回率提升2.16%，mAP₅₀提升0.52%，mAP_50–95提升0.34%，而模型参数数量减少48.0%，FLOPs减少39.5%。边缘设备上的推理结果表明该模型可高效部署。所提出的GEM-YOLOv8n保持了检测精度和实时性，适用于复杂水下场景的鱼类检测与部署。未来研究将进一步扩展数据源，纳入更多来自典型海洋和极地环境的水下鱼类图像，以评估模型在不同水下观测场景下的泛化能力。