摘要
本发明涉及一种玻璃鳗的检测计数方法,包括以下步骤:S0获取玻璃鳗图像样本;S1建立影像检测特征数据集;S2构建基于改进YOLOv10网络的玻璃鳗检测模型,利用所述影像检测数据集对所述玻璃鳗检测模型进行训练;所述改进YOLOv10网络包括:进行多尺度特征提取,并采用SimSPPF模块作为池化层;进行多尺度特征融合并通过AFFM模块引入注意力机制,进而生成四个不同尺寸的检测头;优化边界框回归损失函数;S3利用玻璃鳗检测模型对待检测图像中的玻璃鳗眼睛进行识别,统计玻璃鳗的数量。本发明能够提高鳗鱼苗检测的准确度和精度,同时在检测精度和速度之间取得了良好的平衡。
技术关键词
融合特征
检测计数方法
引入注意力机制
多尺度特征融合
多尺度特征提取
直方图均衡化
检测头
样本
玻璃
非局部均值去噪算法
图像块
对比度
图像增强
上采样
影像
对齐模块
尺寸
眼睛
系统为您推荐了相关专利信息
变化检测网络
多尺度特征
高分辨率遥感图像
高分辨率光学遥感图像
通道注意力机制
激光雷达图像
分类网络
像素
融合多模态特征
高光谱激光雷达
补全方法
三维网格模型
数据
点云特征
计算资源受限
铁塔结构
图像多尺度
缺陷检测方法
主成分分析网络
参数