华中农业大学学报

作者：荣弘扬，汤永华，林森，张志鹏，王腾川，刘兴通

单位：1.沈阳工业大学信息科学与工程学院/沈阳工业大学辽宁省机器视觉重点实验室，沈阳 110870;2.沈阳理工大学自动化与电气工程学院，沈阳 110159

关键词：鱼体病害检测;YOLOv8;特征提取网络;注意力机制;特征金字塔

基金：辽宁省机器人联合基金项目（20180520022）； 辽宁省应用基础研究计划项目（2023JH2/101300237）

针对在鱼体病害检测中病害形状不规则、纹理不清晰以及病斑分散导致难以定位真实病害区域的问题，提出一种基于双通道分层协同的CEH-YOLOv8鱼体病害检测方法。首先，提出一种双通道特征提取网络，增强模型对不规则以及不清晰纹理病斑的提取能力。然后，提出一种高效通道空间注意力机制（ECSA），提升模型对分布式目标的识别能力。同时为强化改进后的主干网络，提出一种分层协同的特征金字塔网络（HBFPN），对主干网络提取出的信息进行分层次特征融合，增强模型的特征表达能力。试验结果显示，CEH-YOLOv8 网络对鱼体病害的识别精确率、召回率和mAP分别达到83.2%、72.5%和76.2%，相比于SOTA方法YOLOv10提升了6.9、11.6和11.9百分点，相比原模型提高4.3、6.9和6百分点，单帧图像推理时间为9.1 ms。以上结果表明，改进后的YOLOv8网络可以精准筛选出带病鱼体，可用于提早发现渔业病害以减少经济损失。

来源：2025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2025年第2期