基于双通道分层协同的CEH-YOLOv8鱼体病害检测方法

摘要

针对在鱼体病害检测中病害形状不规则、纹理不清晰以及病斑分散导致难以定位真实病害区域的问题，提出一种基于双通道分层协同的CEH-YOLOv8鱼体病害检测方法。首先，提出一种双通道特征提取网络，增强模型对不规则以及不清晰纹理病斑的提取能力。然后，提出一种高效通道空间注意力机制（ECSA），提升模型对分布式目标的识别能力。同时为强化改进后的主干网络，提出一种分层协同的特征金字塔网络（HBFPN），对主干网络提取出的信息进行分层次特征融合，增强模型的特征表达能力。试验结果显示，CEH-YOLOv8网络对鱼体病害的识别精确率、召回率和mAP分别达到83.2%、72.5%和76.2%，相比于SOTA方法 YOLOv10提升了6.9、11.6和11.9百分点，相比原模型提高4.3、6.9和6百分点，单帧图像推理时间为9.1 ms。以上结果表明，改进后的YOLOv8网络可以精准筛选出带病鱼体，可用于提早发现渔业病害以减少经济损失。

关键词

鱼体病害检测 / YOLOv8 / 特征提取网络 / 注意力机制 / 特征金字塔