南方水产科学

作者：要紫丹, 黄小华, 李根, 胡昱, 庞国良, 袁太平

关键词：深海网箱, 鱼群监测, 红外图像, 目标检测, 实例分割

获取深海网箱养殖过程鱼群活动数据，开展鱼群监测是提升深海养殖效率、降低养殖成本的有效手段。基于水面红外相机，利用深度学习前沿技术，提出了一种鱼群智能监测方法。该方法涉及鱼群识别及计数、鱼体分割和鱼体游向判断3个功能模块。首先，通过红外相机采集鱼类的图像信息，并进行标注以构建数据集，然后采用改进的Faster RCNN 模型，以Mobilenetv2+FPN网络作为特征提取器，实现鱼类的准确识别，并输出包围框表征鱼类个体位置。其次，从框图内选择亮度前20%的像素点作为分割提示点，利用Segment Anything Model对图像进行分割，生成鱼体分割图。最后，通过对鱼体分割图进行椭圆拟合处理，可以判定鱼类的游向信息。改进的Faster RCNN 模型在进行100次迭代训练后，平均精确率达到84.5%，每张图片的检测时间为0.042 s。结果表明，在水面红外图像的鱼类数据集上，所提出的改进Faster RCNN 模型和椭圆拟合等关键技术能够实现对鱼群的自动监测。

来源：2024年第1期

《南方水产科学》期刊编辑部

查看南方水产科学杂志2024年第1期