计算机工程

作者：王泽宇, 徐慧英, 朱信忠, 黄晓, 梁佳杰, 李琛

单位：1. 浙江师范大学计算机科学与技术学院, 浙江 金华 3210042. 浙江师范大学教育学院, 浙江 金华 321004

关键词：目标检测,鱼苗检测,轻量化,局部卷积,深度可分离卷积

基金：国家自然科学基金(61976196); 浙江省自然科学基金重点项目(LZ22F030003); 国家级大学生创新训练计划重点项目(202310345042)

基于深度学习的鱼苗检测在水产养殖中的应用为自动化和精确化管理提供了可能。针对鱼苗检测中设备性能低、实时性要求高等问题, 提出一种改进YOLOv8的轻量化鱼苗检测算法FD-YOLO。将快速网络(FasterNet)替换YOLOv8原CSPDarkNet特征提取网络, 采用局部卷积(PConv)减少冗余计算和内存访问。在特征融合中引入深度可分离卷积(DWConv), 将标准卷积过程分解为相对简单的深度卷积和逐点卷积两个步骤并行处理, 进一步减少模型的复杂性和计算资源消耗。使用Focal-EIoU作为模型损失函数, 提高检测精度, 使得模型更具鲁棒性。实验结果表明, 改进后的检测模型参数量和计算量大幅降低, 模型参数量下降了91%, 计算量下降了85%, 在CPU上的推理速度加快了3倍。改进后的鱼苗检测算法能更好地兼顾高精度和实时性之间的平衡, 便于部署在资源有限的硬件平台上。

来源：2025年第4期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第4期