(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210292914.4 (22)申请日 2022.03.24 (71)申请人 中国水产科 学研究院东海水产研究 所 地址 200090 上海市杨 浦区军工路3 00号 (72)发明人 张胜茂　张佳泽　唐峰华　杨胜龙　 张衡　樊伟　刘洋　朱文斌　 (74)专利代理 机构 上海泰能知识产权代理事务 所(普通合伙) 3123 3 专利代理师 宋缨 (51)Int.Cl. G06V 20/52(2022.01) G06V 20/40(2022.01) G06V 10/776(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于改进YOLOv5的丁香鱼捕捞作业识 别方法 (57)摘要 本发明涉及一种基于改进YOLOv5的丁香鱼 捕捞作业识别方法， 包括以下步骤： 获取丁香鱼 捕捞作业的监控视频数据； 将所述监控视频数据 转换为图像数据； 将所述图像数据输入至训练好 的识别模型中， 得到丁香鱼捕捞作业状态； 所述 识别模型为引入注意力机制模块的YOL Ov5网络。 本实施方式将视频监控作为模型的输入， 使 得整 个过程更为直观， 将注意力机制引入到模型主干 网络中， 融合捕捞作业不同时期的目标信息， 同 时降低复杂背景的干扰， 提高了模 型检测精度的 同时还保证 了实时检测效率。 权利要求书1页 说明书5页 附图4页 CN 115063734 A 2022.09.16 CN 115063734 A 1.一种基于改进YOLOv5的丁 香鱼捕捞作业识别方法， 其特 征在于， 包括以下步骤： (1)获取丁 香鱼捕捞作业的监控视频 数据； (2)将所述 监控视频 数据转换为图像数据； (3)将所述图像数据输入至训练好的识别模型中， 得到丁香鱼捕捞作业状态； 所述识别 模型为引入注意力机制模块的YOLOv5网络 。 2.根据权利 要求1所述的基于改进YOLOv5的丁香鱼捕捞作 业识别方法， 其特征在于， 所 述步骤(2)与步骤(3)之间， 还 包括对所述图像数据进行压缩处 理的步骤。 3.根据权利 要求1所述的基于改进YOLOv5的丁香鱼捕捞作 业识别方法， 其特征在于， 所 述识别模 型包括： 输入层， 用于对 所述图像数据进 行Mosaic数据增强、 自适应图片缩放以及 K‑means算法计算锚点坐标； 主干网络层， 用于通过切片操作增加通道数量， 并提取出特征 信息； Neck层， 用于使不同的特征信息之间进行相互融合， 并将相互融合后的特征信息引入 SENet注意力机制模块进行处 理； 输出层， 用于 输出预测结果。 4.根据权利 要求3所述的基于改进YOLOv5的丁香鱼捕捞作 业识别方法， 其特征在于， 所 述SENet注意力机制模块包括： 压缩单元， 用于利用一个平均池化层将输入的H ×W×C的特 征信息压缩为 1×1×C的形式； 激励单元， 用于使用全连接层 对压缩单元压缩后的特征信息 进行非线性变换； 还原单元， 用于将激励单元的输出与输入的H ×W×C的特征信息的二 维矩 阵相乘还原通道维数。 5.根据权利 要求4所述的基于改进YOLOv5的丁香鱼捕捞作 业识别方法， 其特征在于， 所 述SENet注意力机制模块的表达式为： 其中， Mc (F)为特征图输出， σ()为Sigmoid函数， W1和W0分别为输入共享权重， 和 为利用平均 池化和最大池化在空间上生成的特 征映射。 6.根据权利 要求1所述的基于改进YOLOv5的丁香鱼捕捞作 业识别方法， 其特征在于， 所 述识别模型在训练时包括以下步骤： 获取丁香鱼捕捞作业的全部 视频数据； 将视频数据转换为图像数据并进行 标注， 并生成xml文件； 将生成的xml文件转 化为txt文本形式， 其中包 含标注的类别和对应位置坐标； 从所述图像数据中选出训练数据， 并输入至所述识别模型进行训练； 从所述图像数据中选出验证数据， 对训练后的所述识别模型进行验证， 当验证结果符 合要求时表示所述识别模型为训练好的识别模型。 7.根据权利 要求6所述的基于改进YOLOv5的丁香鱼捕捞作 业识别方法， 其特征在于， 所 述标注包 含四类数据， 分别代 表人、 渔网、 渔筐和 加工船。权　利　要　求　书 1/1 页 2 CN 115063734 A 2一种基于改进Y OLOv5的丁香鱼 捕捞作业识别方 法 技术领域 [0001]本发明涉及渔船作业识别应用技术领域， 特别是涉及一种基于改进YOLOv5的丁香 鱼捕捞作业识别方法。 背景技术 [0002]丁香鱼是一种集群性强、 生命周期短的中上层小型鱼类， 广泛分布于我国的东海 和渤海。 因其肉质鲜美， 营养丰富， 常被用于饮食或调味品。 长期以来， 我国近海渔业呈现出 过度捕捞的趋势， 鱼类的种群结构出现了低龄化、 小型化和首次性成熟等问题。 因此， 我国 一直在不断完善限额捕捞的制度具体实施细节， 以此促进管理部门、 渔民和科研人员对限 额制度的了解， 也大 大提高了渔获物监测的水平。 [0003]近年来， 对于渔船作业的统计主要依靠人工记录的方法， 往往会出现漏记、 错记等 现象， 导致航次捕捞统计的结果不准确。 随着深度学习的发展， 渔船作业统计的关键是对几 个主要的作业特征识别， 识别特征的精度越高对后 期的统计更加准确。 因此， 科学家们对渔 船作业识别方法一直在不断的探索。 Feng  Y等通过选取渔船的方向角和速度的变化趋势作 为模型的输入参数， 利用BP神经网络算法识别对渔船的行为研究， 识别精度为79％， 但利用 的数据为船位数据而不是视频数据， 因此并不直观， 精度有待提高。 汤先峰等利用北斗渔船 监控系统数据结合迁移学习和VGG16模 型进行对比实验， 最 终实现了94.3％的精度， 成功判 断出拖网和刺网船， 进一步辅助渔船管理。 但该方法是基于渔船的轨迹判断， 目标特征较 少， 一旦出现相似轨 迹或作业方式， 判断精度会有所 下降， 因此需进一 步探索。 [0004]国内外研究渔船作业多数是基于AIS和VMS数据对渔船的作业类型和状态进行识 别， 其往往是基于已绘制的捕捞渔船轨迹图对渔船类型和作业状态的识别， 其存在以下缺 点： 目标特征较少， 且捕捞渔船作业种类较多， 分类方式标准也不同， 因此特征轨迹并不一 定准确。 发明内容 [0005]本发明所要解决的技术问题是提供一种基于改进YOLOv5的丁香鱼捕捞作业识别 方法， 能够提高识别精度。 [0006]本发明解决其技术问题所采用的技术方案是： 提供一种基于改进YOLOv5的丁香鱼 捕捞作业识别方法， 包括以下步骤： [0007]获取丁香鱼捕捞作业的监控视频 数据； [0008]将所述监控视频 数据转换为图像数据； [0009]将所述图像数据输入至训练好的识别模型中， 得到丁香鱼捕捞作业状态； 所述识 别模型为引入注意力机制模块的YOLOv5网络 。 [0010]所述步骤(2)与步骤(3)之间， 还 包括对所述图像数据进行压缩处 理的步骤。 [0011]所述识别模型包括： 输入层， 用于对所述图像数据 进行Mosaic数据增强、 自适应图 片缩放以及K ‑means算法计算锚点坐标； 主干网络层， 用于通过切片操作增加通道数量， 并说　明　书 1/5 页 3 CN 115063734 A 3