轻量化神经网络在远洋鱿钓检测技术中的应用

摘要

中国远洋鱿鱼捕捞技术比较单一,智能化的鱿鱼捕捞技术对远洋渔业资源统计至关重要。在智能化鱿鱼捕捞作业过程中,以YOLOV3算法检测时,其特征提取网络Darknet53模型参数量较大,模型输出权重存储量较高,降低了检测速度。为此,建立轻量化MobileNetV3网络作为特征提取网络,进行初步有效特征提取,再设计CSP瓶颈层作为逆瓶颈结构,提高特征提取能力;最后通过CIoU模型建立网络模型的损失函数。在实验室环境下,使用Squid数据集验证轻量化网络模型的有效性,并对其主干网络与损失函数的性能进行分析。通过训练目标数据集,将轻量型网络模型与YOLOV3网络模型结构做消融试验,验证轻量化网络应用在远洋捕捞技术上的准确性以及实用性。结果显示,轻量化网络结构的性能明显优于YOLOV3网络模型结构,可以大幅度降低参数量,提高检测速度,缩短检测时间,提高检测率,提高了鱿鱼实时检测的工作效率。本研究成果为远洋渔业资源调查提供重要依据。