本研究由Hebron Prasetya、Alwin M. Sambul、Andi R. A. Karlina和Muhamad Dwisnanto Putro共同完成，四位作者均来自印度尼西亚山姆·拉图兰吉大学（Sam Ratulangi University）研究生院信息学硕士项目。该研究发表于《elkha: Jurnal Teknik Elektro》第18卷第2期，出版时间为2026年10月，页码范围为130至137页。

从学术背景来看，该研究属于计算机视觉与深度学习领域，具体聚焦于水下目标检测任务。水下目标检测在自动化海洋生态监测系统中具有重要应用价值，能够有效降低人工成本并支持生物多样性保护与蓝色经济发展。然而，水下环境中的图像质量受到多种不利因素的严重影响，包括光照不稳定、图像模糊以及折射引起的光学畸变，这些因素共同导致视觉质量和特征表达能力显著下降。现有基于注意力机制的方法虽然能够增强特征提取和检测性能，但其额外的计算复杂度限制了推理效率，难以在资源受限设备上部署。针对上述问题，本研究的目标是在保持较高检测精度的同时，显著降低模型参数量和计算成本，从而实现检测性能与计算效率之间的更优平衡。

在具体工作流程方面，本研究提出了一种基于YOLOv12-nano架构的轻量化改进方案，核心由通道调优（channel tuning）策略与新设计的增强通道重校准（Enhanced Channel Recalibration, ECR）模块共同构成。整体网络遵循标准的一阶段检测器架构，由主干网络（backbone）、颈部网络（neck）和检测头（head）组成。在主干网络部分，特征提取主要由Conv模块、C3k2模块、A2C2f模块以及本研究提出的C3k2_ECR模块完成。其中，C3k2模块采用跨阶段部分连接（Cross Stage Partial, CSP）机制，通过将输入特征图经1×1卷积后分裂为两个分支，仅对其中一个分支进行瓶颈处理，再将各分支输出拼接并通过1×1卷积融合，从而在保持特征提取能力的同时减少计算量。A2C2f模块则位于主干网络末端和颈部网络末端，其核心是在C2f结构基础上以区域注意力（area attention）替代拆分过程，通过自注意力机制计算特征区域之间的关系，并由前馈网络进一步细化全局特征表示。C3k2_ECR模块是本研究的一个重要创新，它在C3k2结构的基础上将瓶颈组件替换为ECR模块，并在高层次特征阶段嵌入，以增强对判别性特征的提取与筛选。

ECR模块的设计结合了高效ConvNeXt（Efficient ConvNeXt, ECN）的设计原则与通道注意力机制，但并非二者的简单顺序组合。其处理流程为：首先通过5×5深度可分离卷积（depthwise convolution）获取大感受野特征，然后使用1×1卷积将通道维度扩展四倍，经GELU激活函数过滤信息后，再通过另一个1×1卷积及批归一化（batch normalization）恢复原始通道数，并通过可学习缩放参数和残差连接实现特征细化。随后，ECR应用一个瓶颈模块（bottleneck），该模块包含两个3×3卷积层，每个卷积后接批归一化和SiLU激活，并以0.25的缩减率降低通道数，同时利用残差连接缓解梯度消失问题。最后，ECR采用高效通道注意力（Efficient Channel Attention, ECA）模块，通过5×1的一维卷积和Sigmoid激活生成通道级注意力权重，并利用哈达玛积（Hadamard product）对特征图进行重校准，从而增强包含更多判别信息的特征通道，抑制信息量较少的通道。

在训练与测试配置方面，本研究使用输入图像尺寸640×640、训练轮数300、批量大小16，学习率设为0.01，未使用预训练权重，以确保在水平场景下的稳定收敛与公平评估。实验环境为配备16GB显存的NVIDIA GeForce RTX 4060 Ti GPU，软件栈包括CUDA 12.4、Python 3.9和PyTorch 2.0，操作系统为Ubuntu 22.04。推理速度评估则在资源受限的CPU平台上进行，选用了Intel Core i5-12450HX处理器，运行Ubuntu 24.04、PyTorch 2.0和Python 3.6，以模拟实际部署中较低成本的硬件条件。数据集采用真实水下目标检测数据集（Real-world Underwater Object Detection, RUOD），包含14000张图像，覆盖鱼类、海胆、珊瑚、海星、海参、扇贝、潜水员、海龟、乌贼和水母十类目标。数据划分为9800张训练图像和4200张测试图像。

实验结果首先在检测性能与计算效率方面与多种现有方法进行了对比。所提出的模型在RUOD数据集上获得了mAP50-95为61.8%的结果，相比原始YOLOv12-nano提升了1.31个百分点；同时参数量从260万减少至200万，降幅为22.12%；计算量从6.5 GFLOPs降低至6.3 GFLOPs，降幅约为3%。在CPU推理速度方面，所提模型达到了23.08 FPS，高于YOLOv12-nano的21.3 FPS。与相近的East-YOLO模型相比，所提模型在mAP50上以85.1%对85.2%略低0.1个百分点，但在更严格的mAP50-95指标上以61.8%对61.6%高出0.2个百分点，并且参数量和计算量分别低23.1%和3.1%。该结果说明所提模型在更严格的定位质量评估下具有更优的精度与效率平衡。

在消融实验中，原始YOLOv12-nano基线的mAP50-95为61.0%，参数量260万，GFLOPs为6.5。仅进行通道调优的模型（YOLOv12-nano + TC）将参数量减少至167万，GFLOPs降至5.1，降幅分别为34.9%和21.5%，而mAP50-95仅轻微下降至60.9%。在此基础上集成ECN模块后，参数量和GFLOPs分别增至183万和5.5，但mAP50-95下降至59.9%。最终将ECN细化为ECR模块后，所提模型的mAP50-95提升至61.8%，参数量为200万，GFLOPs为6.3。这表明通道调优为特征增强模块的引入创造了参数和计算量空间，而ECR模块能够有效恢复并进一步提升检测性能。

定性分析方面，所提模型修正了YOLOv12-nano产生的若干漏检与重复检测问题，例如小型海胆和扇贝在复杂背景下易与背景混为一体而被漏检，部分大型目标被多个边界框重复标注，以及塑料垃圾被误分类为鱼类等。混淆矩阵结果显示，珊瑚类的召回率较低，存在一定误分类现象；乌贼类、潜水员类和海龟类召回率较高，类别可分性较好；海胆类和鱼类虽然正确检测数量较多，但仍有大量实例被误判为背景。热力图可视化表明，模型能够关注到鱼类鳍部、水母身体区域以及乌贼触手形状等具有判别性的视觉线索。然而，在复杂背景和低能见度条件下，小型目标检测与特征判别仍然是该检测器面临的重要挑战。

本研究的结论表明，通过通道调优与ECR模块的组合，可以在保持较低计算开销的前提下有效提升水下目标检测的精度。通道调优大幅降低了模型复杂度，而ECR模块则通过特征增强与通道级重校准恢复了检测性能并实现了进一步提升，二者结合形成了比基线更优的精度与效率权衡。其科学价值在于提出了一种轻量化的特征细化与重校准方法，为在计算资源受限条件下设计高性能检测器提供了新思路；应用价值则体现在该模型具备实时水下监测和边缘设备部署的潜力，有助于推动自动化海洋生态监测的实际应用。研究亮点主要包括：提出了ECR模块，该模块并非ECN与通道注意力的简单叠加，而是通过联合特征细化与通道重校准来增强高层特征判别能力；通过通道调优策略在减少冗余特征的同时为增强模块腾出计算预算；在RUOD数据集上以更少的参数和计算量取得了优于基线及相近竞争模型的mAP50-95结果，并实现了更快的CPU推理速度。未来工作将聚焦于改进小目标特征提取方法以及应对光照变化的自适应策略，同时还需在资源受限的边缘设备上进一步评估实际部署性能。