Page 107 - 《渔业研究》2025年第6期

798 渔 业 研 究 第 47 卷

型 U-Net 在提取不同尺寸的蓄水连片池塘和高位池 一步引入 PPM 和 GB 后的 Res-PGUnet 模型，提升
时，存在边界断裂、不完整以及大面积的漏提情 了小目标高位池提取的完整度及边界精度；而加入
况，且有较多像素误提噪声；采用 ResNet34 作为编 scSE 注意力模块的 Res-PGAUnet 模型，在空间定位
码器的 Res-Unet 模型有效提升了提取的准确度，改 上更为准确，提取蓄水连片池塘的凸出形状也更为
善了蓄水连片池塘和小目标高位池的漏提情况；进 准确，小目标高位池之间的边界粘连问题得到缓解。

表 2 各模型测试精度对比
Tab. 2 Model performance comparison on the test set
模型 Models IoU F1-score FLOPs/G Params/M T /min
U-Net 0.791 7 0.883 7 54.74 31.04 334
Res-Unet 0.819 2 0.900 6 6.57 24.30 177
Res-PGUnet 0.845 1 0.916 1 6.16 24.25 162
Res-PGAUnet 0.854 0 0.921 3 6.16 24.26 177

A 区域
A zone

B 区域
B zone

C 区域
C zone

D 区域
D zone

E 区域
E zone

影像 标签
U-Net Res-Unet Res-PGUnet Res-PGAUnet
Image Label
图 4 Res-PGAUnet 模型在建模测试集上的部分提取结果
Fig. 4 Partial extraction results of the Res-PGAUnet model on the test set
注：图中红框为重点对比区域。
Note: The red boxes in the figure are the key comparison areas.

B 区域小目标高位池密集混合分布。U-Net 的 Unet 模型提取更为完整；Res-PGUnet 模型对不同
3×3 卷积感受野不足，提取小目标高位池时存在大 尺寸养殖池塘提取准确度更高，改善了漏提情况；
面积的漏提；Res-Unet 具有更强的特征提取和学 而 Res-PGAUnet 模型在阴影干扰的复杂环境下，
习能力，改善了漏提现象；而 Res-PGUnet 和 Res- 定位养殖池塘更为准确，完整度更高，但仍存在部
PGAUnet 模型凭借更大的空间感知，取得了更优 分缺失和内部空洞问题。
的小目标高位池提取精度，漏提较少。 D 区域和 E 区域，养殖池塘周围受到光谱特征

C 区域蓄水连片池塘内部存在较多阴影干扰。 相近的河道干扰，且池塘间距细窄，提取难度较
U-Net 模型提取结果完整度较低，破碎化严重；Res- 大。U-Net 模型出现较多河道误提，池塘边界断