一种用于水下复杂环境鱼类异常行为检测与分类的方法

本发明提供了一种用于水下复杂环境鱼类异常行为检测与分类的方法，该方法包括以下步骤：1.对鱼类异常行为图像进行数据预处理和数据增强，将标记和分类好的鱼类异常行为XML文件转换为YOLO格式的归一化坐标表示；2.采用轻量级的Mixed Local Channel Attention(MLCA)注意力模块，同时考虑通道信息和空间信息，并结合局部信息和全局信息以提高网络的表达效果；3.采用C3k2‑PKI Module模块，能够同时捕获局部多尺度细节和全局上下文信息，提取到更具判别力的特征，赋予模型更强的上下文适应能力；4.引入HyperC2Net和MANet模块，在不同层和位置之间进行复杂的高阶交互。丰富信息流并增强了颈部提取高阶特征的能力；5.将水下异常鱼类的特征送入YOLOV11n进行鱼类异常行为检测与分类。本发明解决了鱼类异常行为检测与分类任务中存在的图像模糊性、复杂背景干扰、行为形态多样性以及算法精度和效率失衡等关键问题。