基于YOLOv8-DBCS的循环水养殖环境下大口黑鲈异常体表特征检测

摘要

大口黑鲈（Micropterus salmoides）在循环水养殖过程中容易感染细菌和病毒，得病早期体表会出现充血和白斑等异常特征。为避免大口黑鲈大规模养殖死亡，提出一种基于YOLOv8的大口黑鲈异常体表特征检测模型YOLOv8-DBCS。首先，基于StarNet网络提出一种动态深度卷积（DIConv）主干网络DIStarNet,DIConv通过设计动态卷积核权重机制自适应调整卷积操作，进而有效捕捉多尺度的特征信息；其次，在颈部网络引入加权双向特征金字塔网络（bi-directional feature pyramid network,BiFPN）增强对来自主干网络多尺度信息的特征融合能力；此外，在检测头前加入CBAM（convolutional block attention module）注意力机制，提升对鱼体异常体表特征图像的学习与预测；最后将目标识别损失函数替换为SIoU（SCYLLA-intersection over union），以改善模型预测框与真实框的重合度，进一步提高模型对鱼体异常体表特征识别准确率。结果显示：YOLOv8-DBCS在检测性能上表现优异，YOLOv8-DBCS评价指标准确率（precision）、召回率（recall）、mAP₅₀和mAP_50-95分别为95.8%、92.4%、97.5%和66.2%；与基线模型相比分别提高3.6、4.9、7.0和3.4百分点。在模型大小上，YOLOv8-DBCS的参数量（parameters）为1.85×10～6，与基线模型相比降低了38.5%。

关键词

异常体表特征检测 / 特征提取网络 / 特征金字塔网络 / 注意力机制 / 损失函数 / 大口黑鲈 / 循环水养殖