南方水产科学

作者：朱元昆, 赵爽, 苗玉彬

关键词：YOLOv8算法, 凡纳滨对虾, 生物量估算, 目标检测

针对凡纳滨对虾 (Litopenaeus vannamei) 养殖过程中，传统生物量人工监测效率低、应激损伤大等问题，研究提出了一种融合改进YOLOv8算法与最小包围盒 (Oriented Bounding Box, OBB) 的非接触式体长-体质量估算方法，以提升智能化投饲管理的效率和准确性。该方法通过以下技术改进实现生物量参数的有效估计：首先，融合Focal-GIoU构建损失函数，增强对遮挡虾体的检测能力；其次，引入GhostNetV2轻量化网络的空间-通道解耦注意力机制，提升特征表达能力，并集成RepBlock动态可重构模块，增强多尺度形态自适应识别能力；最后，提出基于主成分分析的最小包围盒 (Principal Components Analysis-Oriented Bounding Box, PCA-OBB) 算法，通过协方差矩阵特征分解确定虾体主轴方向，并结合霍夫圆检测标定像素-物理尺寸转换系数，建立体长-体质量回归模型。结果表明，该方法对120日龄凡纳滨对虾体长的测量平均相对误差为1.26%，最大绝对误差为0.503 cm，体质量预测平均相对误差为5.3%，均优于传统人工测量。该方法实现了凡纳滨对虾的非接触式生物量参数实时监测和估计，为精准投喂提供了有效技术支持。

来源：2025年第4期

《南方水产科学》期刊编辑部

查看南方水产科学杂志2025年第4期