华中农业大学学报

作者：朱明，汪荣，万鹏，雷翔，范豪

单位：1华中农业大学工学院/农业农村部水产养殖设施工程重点实验室，武汉 430070;2农业农村部长江中下游农业装备重点实验室，武汉 430070

关键词：异常体表特征检测;特征提取网络;特征金字塔网络;注意力机制;损失函数;大口黑鲈;循环水养殖

基金：国家重点研发计划项目（2022YFD2001705）；湖北省科学技术厅重大科技专项（2023BBA001）

大口黑鲈（Micropterus salmoides）在循环水养殖过程中容易感染细菌和病毒，得病早期体表会出现充血和白斑等异常特征。为避免大口黑鲈大规模养殖死亡，提出一种基于YOLOv8的大口黑鲈异常体表特征检测模型YOLOv8-DBCS。首先，基于StarNet网络提出一种动态深度卷积（DIConv）主干网络DIStarNet，DIConv通过设计动态卷积核权重机制自适应调整卷积操作，进而有效捕捉多尺度的特征信息；其次，在颈部网络引入加权双向特征金字塔网络（bi-directional feature pyramid network，BiFPN）增强对来自主干网络多尺度信息的特征融合能力；此外，在检测头前加入CBAM（convolutional block attention module）注意力机制，提升对鱼体异常体表特征图像的学习与预测；最后将目标识别损失函数替换为SIoU（SCYLLA-intersection over union），以改善模型预测框与真实框的重合度，进一步提高模型对鱼体异常体表特征识别准确率。结果显示：YOLOv8-DBCS在检测性能上表现优异，YOLOv8-DBCS评价指标准确率（precision）、召回率（recall）、mAP50和mAP50-95分别为95.8%、92.4%、97.5%和66.2%；与基线模型相比分别提高3.6、4.9、7.0和3.4百分点。在模型大小上，YOLOv8-DBCS的参数量（parameters）为1.85×106，与基线模型相比降低了38.5%。

来源：2026年第2期

《华中农业大学学报》期刊编辑部

查看华中农业大学学报杂志2026年第2期