1. 项目背景与需求分析

泰国作为东南亚重要的淡水鱼养殖国家，其水域中栖息着多种具有经济价值和生态意义的鱼类物种。其中巨型蛇头鱼(Channa micropeltes)、小型巨型蛇头鱼(Channa striata)、普通蛇头鱼(Channa argus)和罗非鱼(Oreochromis niloticus)是当地最具代表性的四种淡水鱼。这些鱼类的准确识别对以下场景至关重要：

• 水产养殖管理 ：不同鱼种需要差异化的饲养方案和环境控制
• 生态监测 ：蛇头鱼作为入侵物种需要特别监控
• 渔业资源评估 ：准确统计各类鱼群数量
• 智能分拣系统 ：自动化按种类分选捕捞的鱼类

传统的人工识别方法存在效率低下、主观性强等缺陷。我们采用基于YOLOv8改进的ELA-HSFPN模型，实现了这四种泰国淡水鱼的自动化识别与定位系统，检测精度达到92.3%，单帧处理速度在RTX 3060显卡上可达45FPS。

2. 技术选型与模型架构

2.1 YOLOv8基础框架选择

YOLOv8作为当前最先进的实时目标检测框架，相比前代具有以下优势：

• 无锚点(anchor-free)检测机制，简化了训练流程
• 更高效的backbone和neck设计
• 更精细的任务解耦头(task-decoupled head)
• 支持从分类到实例分割的多种视觉任务

我们选择YOLOv8s作为基础模型，在精度和速度间取得平衡。其核心参数为：

• 输入分辨率：640×640
• 参数量：11.2M
• FLOPs：28.6B
• COCO mAP：44.9

2.2 ELA注意力机制改进

针对鱼类检测中存在的遮挡、姿态多变等问题，我们在backbone末端嵌入了高效层注意力(Efficient Layer Attention, ELA)模块。该模块通过以下结构增强特征提取：

class ELABlock(nn.Module):
    def __init__(self, channels, reduction=16):
        super().__init__()
        self.avg_pool = nn.AdaptiveAvgPool2d(1)
        self.fc = nn.Sequential(
            nn.Linear(channels, channels // reduction),
            nn.ReLU(inplace=True),
            nn.Linear(channels // reduction, channels),
            nn.Sigmoid()
        )
        
    def forward(self, x):
        b, c, _, _ = x.size()
        y = self.avg_pool(x).view(b, c)
        y = self.fc(y).view(b, c, 1, 1)
        return x * y.expand_as(x)

ELA模块通过通道注意力机制，使网络能够自适应地强调与鱼类识别最相关的特征通道，在测试中使小目标检测精度提升约6.2%。

2.3 HSFPN特征金字塔优化

原始PANet特征金字塔在融合不同尺度特征时存在信息损失问题。我们设计了一种混合尺度特征金字塔网络(Hybrid Scale Feature Pyramid Network, HSFPP)，其创新点包括：

1. 跨尺度稠密连接 ：在top-down和bottom-up路径中都保留所有尺度的中间特征
2. 可变形卷积 ：在特征融合阶段使用可变形卷积适应不同鱼类的形状变化
3. 特征重校准 ：通过1×1卷积动态调整各尺度特征的贡献权重

HSFPN结构示意图如下（文字描述）：

P5 ──────────────┬───────[DeformConv]──► Output
↑                 │
P4 ───[1x1]───────┼───────[DeformConv]──► Output
↑                 │
P3 ───[1x1]───────┼───────[DeformConv]──► Output
↑                 │
Backbone       [Dense]
Features      Connections

该设计使小尺寸蛇头鱼的检测AP提高了4.8%，同时对计算量的增加控制在15%以内。

3. 数据集构建与预处理

3.1 数据采集与标注

我们构建了泰国淡水鱼专属数据集ThaiFish-4，包含以下组成部分：

鱼种	训练集	验证集	测试集	主要采集环境
巨型蛇头鱼	1,200	300	500	养殖池塘
小型巨型蛇头鱼	950	250	400	河流
普通蛇头鱼	1,050	300	450	湖泊
罗非鱼	1,800	450	600	混合环境

标注采用LabelImg工具，以YOLO格式保存，包含鱼类边界框和类别标签。特别针对以下挑战场景增加了样本：

• 鱼群密集重叠（≥15% IoU）
• 水面反光干扰
• 部分遮挡情况
• 不同光照条件（清晨/正午/黄昏）

3.2 数据增强策略

为提高模型鲁棒性，采用了组合式数据增强：

transform = A.Compose([
    A.HorizontalFlip(p=0.5),
    A.RandomBrightnessContrast(p=0.3),
    A.RandomRain(p=0.1),  # 模拟水面雨滴
    A.RandomShadow(p=0.2), # 模拟水面阴影
    A.MotionBlur(blur_limit=5, p=0.2),  # 模拟游动模糊
    A.Rotate(limit=15, p=0.4),  # 鱼类姿态变化
    A.Cutout(num_holes=8, max_h_size=20, max_w_size=20, p=0.5)  # 模拟遮挡
], bbox_params=A.BboxParams(format='yolo'))

特别设计了针对水下场景的增强：

1. 颜色抖动模拟不同水质（绿水/浊水）
2. 添加人工气泡噪声
3. 光线折射效果模拟

4. 模型训练与优化

4.1 训练配置

使用PyTorch框架在2×RTX 3090上进行训练，关键参数配置：

# hyperparameters.yaml
lr0: 0.01
lrf: 0.01
momentum: 0.937
weight_decay: 0.0005
warmup_epochs: 3
warmup_momentum: 0.8
box: 7.5  # box loss gain
cls: 0.5  # cls loss gain
dfl: 1.5  # dfl loss gain

采用余弦退火学习率调度，初始学习率0.01，最终降至0.001。训练过程使用以下技巧：

• EMA模型平均（decay=0.9999）
• 梯度裁剪（max_norm=10.0）
• 自动混合精度训练（AMP）

4.2 损失函数改进

原始YOLOv8使用VarifocalLoss+DFL的组合，我们针对鱼类检测做了以下调整：

1. 形状感知IoU损失 ：

def shape_aware_iou(box1, box2):
    # 计算常规IoU
    inter = (torch.min(box1[:, 2:], box2[:, 2:]) - torch.max(box1[:, :2], box2[:, :2])).clamp(0)
    union = (box1[:, 2:] - box1[:, :2]).prod(1) + (box2[:, 2:] - box2[:, :2]).prod(1) - inter
    iou = inter / union
    
    # 添加长宽比惩罚项
    aspect_ratio1 = (box1[:, 2] - box1[:, 0]) / (box1[:, 3] - box1[:, 1])
    aspect_ratio2 = (box2[:, 2] - box2[:, 0]) / (box2[:, 3] - box2[:, 1])
    ratio_penalty = torch.exp(-torch.abs(aspect_ratio1 - aspect_ratio2))
    
    return iou * ratio_penalty

2. 类别平衡焦点损失 ：

class BalancedFocalLoss(nn.Module):
    def __init__(self, alpha=[1.0, 1.2, 1.2, 0.8]):  # 对应4类鱼的权重
        super().__init__()
        self.alpha = torch.tensor(alpha)
        
    def forward(self, pred, target):
        BCE_loss = F.binary_cross_entropy_with_logits(pred, target, reduction='none')
        pt = torch.exp(-BCE_loss)
        alpha = self.alpha.to(pred.device)[torch.argmax(target, dim=1)]
        loss = alpha * (1-pt)**2 * BCE_loss
        return loss.mean()

4.3 训练过程监控

使用WandB进行训练可视化，关键指标变化曲线如下：

![训练曲线示意图]

• mAP@0.5: 从初始0.68提升至0.923
• 分类损失：从1.2降至0.15
• 定位损失：从2.5降至0.3

训练约在150epoch后收敛，总耗时约18小时。观察到：

• 前50epoch主要学习基础特征
• 50-100epoch注意力机制开始显效
• 100epoch后HSFPN带来明显精度提升

5. 模型部署与性能优化

5.1 模型导出与量化

将PyTorch模型导出为ONNX格式并进行优化：

python export.py --weights yolov8s-ela-hsfpn.pt --include onnx --opset 16 \
                --dynamic --simplify --device 0

应用TensorRT INT8量化：

# 校准过程
calibrator = trt.Int8EntropyCalibrator2(
    calibration_data_loader,
    cache_file='calibration.cache')
    
builder_config = builder.create_builder_config()
builder_config.set_flag(trt.BuilderFlag.INT8)
builder_config.int8_calibrator = calibrator

量化前后性能对比：

指标	FP32	INT8	变化
模型大小(MB)	43.7	11.2	-74%
推理延迟(ms)	22.3	15.6	-30%
mAP@0.5	0.923	0.915	-0.8%

5.2 部署架构设计

系统采用C/S架构：

                     +---------------+
                     |   客户端      |
                     |(视频流采集)   |
                     +-------┬-------+
                             |
+------------------+        |        +------------------+
|   模型服务       |◄-------+------►|   数据库         |
|  Triton Inference|        |        |  PostgreSQL      |
|  Server          |        |        |  (结果存储)      |
+------------------+        |        +------------------+
                             |
                     +-------▼-------+
                     |   管理后台    |
                     |(可视化分析)   |
                     +---------------+

关键实现细节：

1. 使用Triton Inference Server实现模型并行服务
2. 客户端通过gRPC发送视频帧
3. 每帧添加时间戳和位置元数据
4. 结果存入PostgreSQL并生成统计报表

5.3 边缘设备适配

针对Jetson AGX Orin等边缘设备的优化：

1. 层融合 ：合并Conv+BN+ReLU序列
2. 内核自动调优 ：

/usr/src/tensorrt/bin/trtexec --onnx=yolov8s-ela-hsfpn.onnx \
                             --saveEngine=yolov8s.engine \
                             --workspace=2048 \
                             --best

3. 内存优化 ：启用CUDA统一内存
4. 功耗控制 ：设置功率上限30W

边缘端性能：

• 分辨率：1280×720
• 吞吐量：28FPS
• 功耗：29.5W
• 内存占用：1.8GB

6. 实际应用与效果评估

6.1 测试环境搭建

在泰国呵叻府的三个养殖场部署测试系统：

1. 室内循环水养殖池 ：监控罗非鱼生长密度
2. 户外混合养殖塘 ：统计蛇头鱼数量
3. 河流监测点 ：追踪野生种群动态

硬件配置：

• 工业相机：Basler ace acA2000-50gc
• 计算单元：NVIDIA Jetson AGX Orin
• 防水外壳：IP67评级
• 网络：4G LTE备用+有线主链路

6.2 性能指标

在真实场景下的测试结果：

场景	准确率	召回率	FPS	显存占用
清澈水体日间	95.2%	93.8%	42	1.6GB
浑浊水体日间	89.7%	87.3%	39	1.6GB
夜间红外模式	83.5%	80.1%	35	1.7GB
暴雨天气	76.8%	74.2%	32	1.7GB

典型误检情况分析：

1. 水草被误认为蛇头鱼（约12%误检）
2. 鱼群密集时的漏检（约8%）
3. 强烈反光导致的识别错误（约5%）

6.3 与传统方法对比

与人工计数和传统图像处理的对比实验（1000帧测试集）：

方法	平均耗时	准确率	人力成本
人工计数	6.2小时	88.3%	3人
传统图像处理	1.5小时	72.6%	0.5人
本系统	8分钟	92.3%	0.1人

实际应用中发现的关键优势：

1. 连续性监测 ：24小时不间断记录
2. 数据可追溯 ：每帧检测结果存档
3. 早期预警 ：发现异常鱼群行为
4. 生长分析 ：通过尺寸变化评估生长状况

7. 优化方向与扩展应用

当前系统的局限性与改进空间：

1. 多目标追踪 ：集成DeepSORT算法实现个体追踪
2. 3D姿态估计 ：通过双目相机估算鱼类体积
3. 异常行为检测 ：基于时序分析识别病鱼
4. 跨域适应 ：迁移学习适配其他地区鱼种

在泰国渔业局的合作项目中，该系统已扩展应用于：

• 养殖密度自动调控
• 投喂量智能计算
• 鱼病早期预警
• 种质资源评估

实际部署中发现的经验教训：

1. 水面反光问题需通过偏振镜缓解
2. 定期清理相机镜头上的藻类
3. 雨季需加强设备防水措施
4. 模型需要每季度更新以适应鱼类生长变化