基于改进YOLOv11的鱼体寄生虫镜检图像检测算法

摘要

为解决水产养殖中鱼体寄生虫镜检时因个体差异及互相遮挡引发的误检和漏检问题,文章提出一种基于改进YOLOv11n的鱼体寄生虫检测算法AMP-YOLO。首先引入ADown自适应下采样模块,有效保留小目标和遮挡区域的细粒度特征以提高检测精度;其次采用了MLCA混合局部通道注意力机制,融合局部与全局特征以增强模型对输入上下文特征的捕获能力,同时细化重叠区域的特征差异进一步提升准确率;最后以MPDIoU损失函数替换原有的损失函数,提高模型对尺寸不平衡目标的检出能力。实验结果表明改进算法能在自制鱼体寄生虫数据集上保持较高的精度,相较于传统YOLOv11n算法, mAP@0.5提升4.8%,精确率提升1.6%,召回率提升3.2%。研究有助于快速精准地实现鱼体寄生虫的鉴别,减小人工判断误差,为有效防治寄生虫疾病提供依据,进而推动鱼类健康管理的智能化发展。

关键词

水产养殖 / 鱼体寄生虫 / YOLOv11 / 遮挡目标检测