来源：期刊VIP网 时间：
作者：张海峰;芦新春;冯博;杨进;
单位：江苏海洋大学机械工程学院;江苏海洋大学海洋工程学院;
摘要：[目的]为提高不同种类海水鱼的识别准确率，提出一种改进YOLOv5s的海水鱼种类识别方法。[方法]采用Kmeans++算法对海水鱼的真实框进行聚类计算，获得与自建数据集更加匹配的锚框；用SIoU损失函数替换CIoU损失函数作为边界框回归算法，提高边界框回归精度与收敛速度；改进骨干网络的部分C3模块，将CA协调注意力机制融入C3模块中，在降低模型参数量的同时还能提高模型的识别精度与检测速度；最后，优化模型的路径聚合网络，以此增强网络的特征融合能力。[结果]改进后的Our-YOLOv5s模型在数据集中测得平均精度均值为98.4%、检测速度为64 s-1，分别比原模型提高了2.4个百分点，6 s~(-1)。[结论]该模型能够满足对海水鱼的实时检测要求。
关键词：海水鱼识别;;YOLOv5s;;特征融合;;注意力机制;;损失函数
基金资助：连云港市重大技术攻关“揭榜挂帅”项目（编号：CGJBGS2204）
