关键字：图像增强;水下生物目标;YOLOv5L;轻量级;CAC3;SIOU

摘要：在复杂自然环境下高效探测水下生物资源对中国渔业具有重要意义。针对复杂弱光环境下水下生物资源识别能力低、特征丢失严重等问题，本文提出了一种轻量级的水下生物检测算法。首先，针对水下图像颜色偏差大、清晰度低等问题，提出暗通道-对比限制-光衰减算法用于丰富图像特征信息。其次，引入GhostNet网络和构建C3CA模块提高模型的特征提取和融合能力。最后，对损失函数进行了改进，在降低总损失自由度的同时进一步提升算法的泛化能力。实验结果表明，YOLOv5＿PGS算法在水下生物数据集上的检测精度达到了86.22%,较原YOLOv5L算法提高了0.48%。此外，本文算法模型的体积仅为20.4MB,比原模型减少了89.31%,检测速度提高了56.56%。实验结果表明，YOLOv5＿PGS算法在水下图像处理中取得了良好的效果，为水下生物资源的实时检测提供了保证。

卷号：v.46;No.425

期号：21

是否译文：否