江苏大学学报(自然科学版)

作者：顾寅武,王玉周,张舜尧,马海亮,马一鸣,宋雪桦

单位：1. 江苏大学 计算机科学与通信工程学院， 江苏 镇江 212013； 2. 江苏捷诚车载电子信息工程有限公司， 江苏 镇江 212000

关键词：鱼蟹检测, 识别精度, 特征提取, YOLOv5, RepVGG Block

基金：国家自然科学基金资助项目（62072217）

针对现有水下检测品种单一，目标密集导致检测准确率低等问题，提出一种基于改进的YOLOv5算法 RSC-YOLOv5.在主干网络（Backbone）中使用RepVGG Block模块，以提高不同尺度目标的识别精度，同时提升推理速度；添加SA（shuffle attention）注意力模块来增加算法的特征提取能力；在多尺度特征融合模块（Neck）中使用内容感知特征重组 （CARAFE）上采样，以获得更大的感受野；引入Varifocal Loss，以在密集目标样本训练中更加关注高质量的正样本.试验结果表明:RSC-YOLOv5鱼蟹检测算法均值平均精度为93.6%，对水下鱼蟹检测有很好的效果.

来源：2025年第4期

《江苏大学学报(自然科学版)》期刊编辑部

查看江苏大学学报(自然科学版)杂志2025年第4期