基于FasterYOLOv9-Slim的轻量级工厂化养殖鱼群识别

作     者：张鑫 于红 吴子健 程志澳 高陈成 杨宗轶 王悦 ZHANG Xin;YU Hong;WU Zijian;CHENG Zhiao;GAO Chencheng;YANG Zongyi;WANG Yue

作者机构：大连海洋大学信息工程学院大连市智慧渔业重点实验室教育部设施渔业重点实验室(大连海洋大学)辽宁省海洋信息技术重点实验室辽宁大连116023 

基　　金：辽宁省重点科技项目(2023JH26/10200015) 国家自然科学基金(62406052) 辽宁省自然科学基金计划博士科研启动项目(2024-BS-214) 辽宁省教育厅基本科研项目(LJ212410158022) 辽宁省属本科高校基本科研业务费专项资金资助(2024JBQNZ011) 

出 版 物：《渔业现代化》 (Fishery Modernization)

年 卷 期：2025年第52卷第1期

页      码：99-109页

摘      要：针对计算资源有限的工厂化养殖对鱼群识别精度和速度之间的平衡要求,提出一种基于YOLOv9和FasterNet改进的轻量级养殖鱼群识别模型FasterYOLOv9-Slim。首先在YOLOv9中引入轻量级骨干网络FasterNet以减少模型参数和计算量;其次利用高维检测头剪枝(HDPrune)降低网络深度以减少干扰信息积累;最后结合改进的特征融合模块FasterRepNCSPELAN4和下采样模块ADown、DownSimper,构建高效的颈部网络(DFA-Neck),增强特征表达同时降低计算需求。为验证所提出算法的有效性,设计了消融试验和对比试验,消融试验结果表明,FasterNet和HDPrune分别在降低参数和减弱干扰信息方面起到有效作用,DFA-Neck在整体网络中有效地协调了两者;对比试验结果显示,FasterYOLOv9-Slim在工厂化养殖红鳍东方鲀数据集上的表现超越了YOLOv7、YOLOv8和YOLOv10系列模型中同等规模的先进识别模型,保证高精度的同时,参数值分别降低了34.14%、64.02%和22.22%。在与ShuffleNet、MobileNet和RepViT等先进轻量级网络的对比中展现出较好的综合性能。研究表明:该方法能够有效平衡模型在计算资源有限的工厂化养殖条件下鱼群识别的精度和速度。

主 题 词：养殖鱼群 YOLOv9 目标识别 模型剪枝 轻量化 

学科分类：090803[090803] 0908[0908] 081203[081203] 08[工学] 09[农学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.3969/j.issn.1007-9580.2025.01.010

馆 藏 号：203157513...