非法捕捞监控：基于YOLOv8的渔船禁渔期作业识别系统与UI界面设计-CSDN博客

本文链接：https://blog.csdn.net/m0_52343631/article/details/148051873

1. 项目背景

非法捕捞问题严重威胁海洋生态环境和渔业资源的可持续发展。尤其是禁渔期内的非法作业，直接破坏了鱼类的繁殖周期，导致资源枯竭。传统的人工巡查效率低、范围有限，难以满足现代海洋监控需求。

借助人工智能和计算机视觉技术，基于无人机、卫星或岸基摄像头的渔船作业自动识别成为趋势。本文介绍如何基于YOLOv8深度学习目标检测框架，实现对渔船禁渔期非法作业的自动检测，结合实时摄像头数据和友好UI界面，助力海洋监管部门提升执法效率。

2. 任务分析与问题定义

2.1 目标定义

识别海域中所有渔船目标
判定渔船是否处于禁渔期作业状态（结合时间、区域信息辅助判断）
自动标注并报警提示非法捕捞行为

2.2 面临的挑战

渔船形态多样，遮挡严重，海面反光复杂。
视频监控光照、天气变化大，影响检测准确率。
禁渔期判定需要结合时间和位置的辅助逻辑。
需要实时检测与友好交互界面，适合现场执法人员使用。

3. 数据集介绍及准备

3.1 公开渔船检测数据集

DOTA (Dataset for Object Detection in Aerial Images)
包含大量空中拍摄的船只标注，适合渔船检测任务。
DOTA数据集主页
SeaShips Dataset
专注海上船只检测，有多类船只标注，分辨率适中，适合模型训练。
SeaShips GitHub
xView Dataset
包含多种海上目标，包括船只，分辨率高，适用于船只检测。
xView官网

3.2 数据集构建与标注

若有无人机或卫星视频，可结合LabelImg工具手动标注渔船位置。
需额外准备禁渔期作业的时间、区域规则数据，用于后期判断。
标注格式统一为YOLO格式，方便模型训练。

4. YOLOv8模型介绍

YOLOv8是目前Ultralytics发布的最新YOLO系列模型，结构更优，性能更高。优势包括：

轻量且高效，适合实时检测需求。
训练流程简单，支持自定义数据集快速迁移训练。
集成推理与训练API，代码简洁。

5. 数据标注与预处理

使用LabelImg标注所有渔船目标。
生成YOLO格式标注文件，类别只需一个“渔船”。
进行图像增强，包含随机裁剪、旋转、亮度变化，提升模型鲁棒性。

6. 模型训练流程详解

6.1 环境准备

bash
复制编辑
pip install ultralytics opencv-python PyQt5

6.2 数据目录结构示例

bash
复制编辑
/datasets/fishing_boats
    /images
        /train
        /val
    /labels
        /train
        /val

6.3 数据配置文件 fishing_boats.yaml

yaml
复制编辑
train: /datasets/fishing_boats/images/train
val: /datasets/fishing_boats/images/val

nc: 1
names: ['fishing_boat']

6.4 训练示例代码

python
复制编辑
from ultralytics import YOLO

model = YOLO('yolov8n.pt')

model.train(data='fishing_boats.yaml', epochs=80, imgsz=640, batch=16, device=0)

7. 模型评估与优化策略

使用mAP指标（0.5和0.5:0.95）衡量检测效果。
采用混合精度训练加速。
针对误检和漏检增加负样本训练。
可结合时间区域信息，利用后处理减少误报。

8. 实时渔船作业监控系统架构设计

视频采集模块：摄像头或无人机实时视频输入。
检测模块：YOLOv8模型推理。
禁渔期判断模块：结合时间戳与GPS位置辅助判断。
UI展示模块：实时显示视频、检测框和违规报警。
报警模块：声音或消息提醒。

9. 基于YOLOv8的渔船非法作业检测代码实现

python
复制编辑
import cv2
from ultralytics import YOLO
import datetime

# 加载模型
model = YOLO('runs/train/weights/best.pt')

# 设定禁渔期（示例：5月至8月）
def is_closed_season():
    month = datetime.datetime.now().month
    return 5 <= month <= 8

# 模拟位置判断（实际项目结合GPS信息）
def is_in_protected_area():
    # 这里假设全部海域均保护，可根据GPS坐标改写
    return True

cap = cv2.VideoCapture(0)

while True:
    ret, frame = cap.read()
    if not ret:
        break

    results = model(frame)
    annotated_frame = results[0].plot()

    # 判断是否检测到渔船
    classes = [int(box.cls) for box in results[0].boxes]

    # 简单非法作业判断逻辑
    if len(classes) > 0 and is_closed_season() and is_in_protected_area():
        cv2.putText(annotated_frame, 'Illegal fishing detected!', (30, 60),
                    cv2.FONT_HERSHEY_SIMPLEX, 1.5, (0, 0, 255), 3)
        # 此处可加入报警功能，如播放声音、发短信等

    cv2.imshow("Fishing Boat Illegal Operation Detection", annotated_frame)

    if cv2.waitKey(1) & 0xFF == ord('q'):
        break

cap.release()
cv2.destroyAllWindows()

10. UI界面设计与集成

基于PyQt5实现的简易UI：

python
复制编辑
from PyQt5 import QtWidgets, QtGui, QtCore
import sys
import cv2
from ultralytics import YOLO
import datetime

class IllegalFishingApp(QtWidgets.QWidget):
    def __init__(self):
        super().__init__()
        self.setWindowTitle("渔船禁渔期非法作业监控系统")
        self.resize(900, 700)

        self.video_label = QtWidgets.QLabel(self)
        self.video_label.resize(800, 600)

        self.status_label = QtWidgets.QLabel("状态：等待检测", self)

        layout = QtWidgets.QVBoxLayout()
        layout.addWidget(self.video_label)
        layout.addWidget(self.status_label)
        self.setLayout(layout)

        self.model = YOLO('runs/train/weights/best.pt')
        self.cap = cv2.VideoCapture(0)

        self.timer = QtCore.QTimer()
        self.timer.timeout.connect(self.detect_frame)
        self.timer.start(30)

    def is_closed_season(self):
        month = datetime.datetime.now().month
        return 5 <= month <= 8

    def is_in_protected_area(self):
        return True  # 可扩展为基于GPS的区域判断

    def detect_frame(self):
        ret, frame = self.cap.read()
        if not ret:
            return

        results = self.model(frame)
        annotated_frame = results[0].plot()

        classes = [int(box.cls) for box in results[0].boxes]

        if len(classes) > 0 and self.is_closed_season() and self.is_in_protected_area():
            self.status_label.setText("状态：检测到非法捕捞行为！")
            cv2.putText(annotated_frame, 'Illegal fishing detected!', (30, 60),
                        cv2.FONT_HERSHEY_SIMPLEX, 1.5, (0, 0, 255), 3)
        else:
            self.status_label.setText("状态：无异常")

        rgb_image = cv2.cvtColor(annotated_frame, cv2.COLOR_BGR2RGB)
        h, w, ch = rgb_image.shape
        bytes_per_line = ch * w
        qt_image = QtGui.QImage(rgb_image.data, w, h, bytes_per_line, QtGui.QImage.Format_RGB888)
        pixmap = QtGui.QPixmap.fromImage(qt_image)
        self.video_label.setPixmap(pixmap)

    def closeEvent(self, event):
        self.cap.release()
        event.accept()