基于彩色线图像增强和改进型YOLOv7模型的海洋水产养殖生物体检测

Marine aquaculture biological object detection based on color-line image enhancement and improved YOLOv7 model

-------------------------------------------------------------------------------------------------------------------------------

研究背景：海洋养殖需实时检测海产品，但传统人工检测有局限性，且水下图像易退化、现有水下图像增强和物体检测方法存在不足，阻碍智能养殖发展

研究思路：先增强水下图像，再构建海洋水产养殖生物数据集，最后用改进YOLOv7模型实现精准检测

研究方法：用改进的基于色线模型的水下图像增强算法改善图像质量，构建含5455章图像、4类生物检测数据集，在YOLOv7中采用双重注意力机制提升检测精度

改进的YOLOv7算法

双重注意力机制

自适应通道注意力：让模型更关注“通道维度”的重要特征

对输入特征做平均池化和最大池化，聚合空间维度信息，得到“平均池化特征”和"最大池化特征"

把这两个特征送入"自适应机制块"，输出通道注意力权重，用这些权重调整原始特征，强化关键通道信息

空间补充注意力：关注"空间维度"的重要位置（强化空间位置特征）

对输入特征做最大池化和平均池化，获取两个空间特征图，对这两个特征图做卷积运算，生成空间注意力权重，用这些权重调整语义和空间信息的流动，融合出更精准的特征