基于无人机与改进YOLOv8的洞庭湖非法捕捞智能识别系统研究
王思恬1 程威豪2 傅梓涵3 郭思源4

1青岛西海岸新区致远中学，山东青岛，266500；

2重庆市大学城第一中学校，重庆，401331；

3重庆市德普外国语学校，重庆，400055；

4北京市爱迪学校，北京，100018；

摘要：针对洞庭湖水域执法仍依赖传统人工巡查，存在效率低、覆盖范围有限、非法捕捞行为隐蔽性强等问题，本文提出一种基于改进YOLOv8的无人机视觉识别方法，实现对非法捕捞人员、作业车辆及船只的精准检测与定位。研究首先结合洞庭湖不同水域环境与天气条件，构建非法捕捞目标专用数据集，通过实地采集与数据增强提升样本多样性与标注准确性；其次针对无人机高空视角与复杂环境特点，在YOLOv8s模型中引入多尺度检测优化与空间注意力机制，增强小目标检测能力与环境鲁棒性；最后通过多场景实验验证改进模型的性能。实验结果表明，改进后的模型在测试集上的平均检测精度达93.5%，单帧检测耗时28ms，在复杂环境下性能衰减控制在5.2%以内，有效解决了传统巡查模式的核心痛点，为水域执法部门提供了高效、智能的技术支撑。

关键词：洞庭湖；非法捕捞；无人机巡检；YOLOv8；目标检测

参考文献

[1]湖南省人民政府.守护好一江碧水——洞庭湖生态环境整治工作方案[Z].2020-04-26.

[2]湖南省人民政府.大湖新记——洞庭湖生态保护与修复实践报告[R].2025.

[3]翁海勇,陈桂芬,刘银春,等.无人机低空遥感结合改进YOLOv7快速评估水稻穗颈瘟抗性[J].农业工程学报,2024,40(5):156-164.

[4]王鑫泽,何超,方国文,等.基于改进YOLOv8n模型的水稻检测方法研究[J].中国农业科技导报,2025,27(3):112-121.

[5]于连洋,刘淑华.基于改进YOLOv11的候鸟观测与分类方法研究[J].生态学报,2025,45(8):2897-2908.

[6] Redmon J, Farhadi A. YOLOv3: An Incremental Improvement[J]. arXiv preprint arXiv:1804.02767, 2018.

[7]王明,李强,张伟.无人机遥感技术在生态监测中的应用综述[J].遥感学报,2024,28(2):234-248.

[8]刘海洋,陈晓红.长江流域禁渔政策实施效果评估与执法机制优化研究[J].中国渔业经济,2025,43(1):45-54.