改进YOLOv5s的弱光水下生物目标检测算法

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题，提出了基于改进YOLOv5s的弱光水下生物目标实时检测算法YOLOv5s-underwater。针对弱光水下光线衰弱的问题，引入了限制对比度自适应直方图均衡(CLAHE)算法对输入图像进行预处理，解决了颜色失真和图像毛糙的问题。针对复杂的弱光水下图像环境，提出了快速空间金字塔池化(SPPF)模块，解决了水下物体区分度低和特征损失严重的问题。针对拍摄设备移动带来的场景和形态变化问题，提出了一种基于旋转窗口的SwinTransformer模块，提高了模型的泛化能力。针对水下小目标，修改了网络模型结构，提高了小目标的检测能力。仿真和实验结果表明：所提算法相较于YOLOv5s检测精度提高30.7%，证明了算法的有效性。