融合YOLOv7和BYTE多目标跟踪的多类别海珍品计数方法

摘要：

针对目前养殖过程中海珍品计数方法成本高、效率低、计数精度难以保障等问题,该研究以真实底播养殖环境下的海珍品为研究对象,以水下拍摄的海珍品视频为数据源,提出一种基于视频多目标跟踪的多类别海珍品计数方法.首先,采用性能优异的YOLOv7算法实现海珍品目标检测器,为多目标跟踪提供输入;然后,结合真实养殖环境下同类别海珍品外观相似性高、不清晰等特点,借鉴BYTE算法的多目标跟踪思想,设计多类别轨迹生成策略和基于轨迹ID号的计数策略,提出一种多类别海珍品跟踪与计数方法.并提出一套更适用于基于轨迹ID号计数方法的评估指标.试验结果表明,改进平均计数精度、改进平均绝对误差、改进均方根误差及帧率分别为 91.62%、5.75、6.38和 32帧/s,各项指标多优于YOLOv5+DeepSORT、YOLOv7+DeepSORT、YOLOv5+BYTE、YOLOv7+BYTE等算法,尤其改进平均计数精度、帧率指标比YOLOv5+DeepSORT高了 29.51个百分点和 8帧/s,且在改进平均绝对误差、改进均方根误差指标上分别降低 19.50和 12.08.该研究方法可有效帮助水产养殖企业掌握水下海珍品数量,为现代化渔业的测产研究提供技术参考,为水产养殖的智慧管理提供科学决策依据.

关键词：机器视觉、深度学习、海珍品计数、水产养殖、多目标跟踪

所属期刊栏目：39

分类号：TP391.41(计算技术、计算机技术)

资助基金：辽宁省教育厅基本科研项目;辽宁省教育厅基本科研项目;辽宁省自然基金资助计划;辽宁省重点研发计划;教育部重点实验室开放基金;辽宁省应用基础计划项目;中央财政对辽宁渔业补助项目

在线出版日期：2023-07-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：183-189