(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 202211131872.2 (22)申请日 2022.09.16 (71)申请人 湖州师范学院 地址 313000 浙江省湖州市吴兴区二环东 路759号 (72)发明人 胡灵犀　王雅文　蒋云良　胡文军　 龙伟　尹飞　冯涛　 (74)专利代理 机构 深圳峰诚志合知识产权代理 有限公司 4 4525 专利代理师 张腾 (51)Int.Cl. G06V 20/05(2022.01) G06V 10/40(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01)G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 鱼群检测方法及系统、 电子设备和存 储介质 (57)摘要 本发明提供一种鱼群检测方法及系统、 电子 设备和存储介质， 其中， 方法包括： 将待测鱼群图 像输入鱼群检测模型中； 其中， 鱼群检测模型包 括： 特征提取层、 特征融合层和特征识别层； 基于 特征提取层， 提取待测鱼群图像特征信息， 根据 注意力机制， 确定鱼群特征图和注意力特征图； 基于特征融合层， 融合鱼群特征图和注意力特征 图， 确定目标融合特征图； 基于特征识别层， 根据 目标融合特征图， 确定目标鱼群检测结果。 能够 排除环境因素对检测结果的干扰， 有效提高鱼群 检测的准确率。 权利要求书2页 说明书14页 附图3页 CN 115546622 A 2022.12.30 CN 115546622 A 1.一种鱼群 检测方法， 其特 征在于， 包括： 将待测鱼群图像输入鱼群检测模型中； 其中， 所述鱼群检测模型包括： 特征提取层、 特 征融合层和特 征识别层； 基于所述特征提取层， 提取所述待测鱼群图像特征信息， 根据注意力 机制， 确定鱼群特 征图和注意力特 征图； 基于所述特 征融合层， 融合所述鱼群特 征图和注意力特 征图， 确定目标融合特 征图； 基于所述特 征识别层， 根据所述目标融合特 征图， 确定目标鱼群 检测结果。 2.根据权利要求1所述的鱼群检测方法， 其特征在于， 所述特征提取层包括： 初始特征 提取层和注意力特 征提取层； 对应的， 所述基于所述特征提取层， 提取所述待测鱼群图像特征信息， 根据注意力机 制， 确定鱼群特 征图和注意力特 征图， 具体包括： 基于所述初始特 征提取层， 提取 所述待测鱼群图像特 征信息， 确定鱼群特 征图； 基于所述注意力特征提取层， 根据坐标注意力机制、 通道注意力机制和 空间注意力机 制变换所述鱼群特 征图， 确定注意力特 征图。 3.根据权利要求2所述的鱼群检测方法， 其特征在于， 所述注意力特征提取层包括： 坐 标注意力特征提取层和卷积块注意力特征提取层； 所述注意力特征图包括： 坐标注意力特 征图和时空注意力特 征图； 对应的， 所述基于所述注意力特征提取层， 根据坐标注意力 机制、 通道注意力 机制和空 间注意力机制变换 所述鱼群特 征图， 确定注意力特 征图， 具体包括： 基于所述坐标注意力特征提取层， 根据坐标注意力机制变换所述鱼群特征图， 确定坐 标注意力特 征图； 基于所述卷积块注意力特征提取层， 根据通道注意力机制变换所述鱼群特征图， 确定 通道注意力特征图， 基于空间注意力机制 变换所述通道注意力特征图， 确定时空注意力特 征图。 4.根据权利要求3所述的鱼群检测方法， 其特征在于， 所述基于所述特征融合层， 融合 所述鱼群特 征图和注意力特 征图， 确定目标融合特 征图， 具体包括： 基于所述融合层， 根据 特征金字塔网络， 融合所述鱼群特征图、 坐标注意力特征图和时 空注意力特 征图， 确定三个不同尺度的目标融合特 征图。 5.根据权利要求1 ‑4任一项所述的鱼群检测方法， 其特征在于， 所述基于所述特征识别 层， 根据所述目标融合特 征图， 确定目标鱼群 检测结果， 具体包括： 基于所述特征识别层， 根据所述目标融合特征图， 在所述待测鱼群图像中确定目标鱼 的种类和数量； 根据非极大值抑制算法， 剔除重复检测值， 确定目标鱼群 检测结果。 6.根据权利要求1 ‑4任一项所述的鱼群检测方法， 其特征在于， 在所述将待测鱼群图像 输入鱼群 检测模型中的步骤之前， 还 包括： 确定所述鱼群 检测模型的网络结构； 所述确定所述鱼群 检测模型的网络结构， 具体包括： 在YOLOv5s算法网络结构的基础上， 在主干特征提取网络中顺序嵌入坐标注意力模块 和卷积块注意力模块。 7.根据权利要求6所述的鱼群检测方法， 其特征在于， 在所述确定所述鱼群检测模型的权　利　要　求　书 1/2 页 2 CN 115546622 A 2网络结构的步骤之后， 还 包括： 训练所述鱼群 检测模型； 所述训练所述鱼群 检测模型， 具体包括： 获取若干样本鱼群图像， 制作标签， 确定样本鱼群图像集； 基于所述样本鱼群图像集， 训练所述鱼群 检测模型； 基于目标损失函数， 根据余弦退火法， 对所述鱼群检测模型的网络参数进行更新， 并基 于更新后的网络参数对所述鱼群 检测模型进行迭代训练直至所述鱼群 检测模型收敛。 8.一种鱼群检测系统， 其特征在于， 包括： 图像输入单元、 特征提取单元、 特征融合单元 和特征识别单 元； 所述图像输入单元， 用于将待测鱼群图像输入鱼群检测模型中； 其中， 所述鱼群检测模 型包括： 特 征提取层、 特 征融合层和特 征识别层； 所述特征提取单元， 用于基于所述特征提取层， 提取所述待测鱼群图像特征信 息， 根据 注意力机制， 确定鱼群特 征图和注意力特 征图； 所述特征融合单元， 用于基于所述特征融合层， 融合所述鱼群特征图和注意力特征图， 确定目标融合特 征图； 所述特征识别单元， 用于基于所述特征识别层， 根据所述目标融合特征图， 确定目标鱼 群检测结果。 9.一种电子设备， 其特征在于， 包括存储器和处理器， 所述处理器和所述存储器通过总 线完成相互间的通信； 所述存储器存储有可被所述处理器执行的程序指令， 所述处理器调 用所述程序指令能够执 行如权利要求1至7任一项所述的鱼群 检测方法。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机 程序被处 理器执行时实现如权利要求1至7任一项所述的鱼群 检测方法。权　利　要　求　书 2/2 页 3 CN 115546622 A 3