世界为什么是五彩斑斓的？因为光。我们的眼睛就好比是一种天然的光电探测器，我们能看到的光被称为可见光，波长介于380~780 nm。那如果光的波长超出了这个范围呢？那便是我们肉眼不可见的“隐形光”了。在“隐形光”中有一种波长大于780 nm的光，被称为红外光，在通讯、医疗、军工、航天等领域有着广泛运用。而现在红外光也创新性的同深海网箱养殖结合了起来。接下来就让我们走近深海网箱，见识一下它的红外慧眼，看看它是怎么在黑夜里为科学家们监测鱼群排忧解难的吧。

光的波长

1 深远海网箱的鱼群监测难题

随着《舌尖上的中国》等美食纪录片的播出，大黄鱼、石斑鱼、军曹鱼等美味不仅征服了大众的味蕾，也引发了人们对其背后养殖技术的好奇。由于长期受过度捕捞、渔业管理不力及近岸环境污染等因素影响，海洋渔业资源面临严重衰退。当前海水水产品的供应主要以养殖为主，但近海养殖存在环境恶化、空间受限等问题，因此网箱养殖开始迈向深远海。

深海养殖利用离岸远、水质更优的深海区域，不仅为水产品提供了更为安全、健康的生长环境，也减少了近岸海域的环境压力，促进了可持续性的海洋开发。但深远海复杂恶劣的环境使其养殖过程缺乏长期有效的监控，无法时刻保障养殖过程安全。如果发生水质恶化或网衣破损而未及时处理，将带来巨大损失。因此，科学家们利用先进的智能技术，探索出了一种基于水面红外图像的深海网箱鱼群夜间智能监测方法，该方法为深海网箱养殖带来了夜间监测的解决方案，为我们餐桌上的美味增加了一层保障。

2 “德海一号”的夜视眼：红外监控摄像头

每当夜幕降临，深邃的海洋中传统的鱼群监测手段便显得力不从心。此时，装备在“德海 1 号”网箱上的红外监控摄像头 (海康威视牌枪式摄像机，型号为DS-2CD6626B-IZHRS) 就扮演起了重要角色，它具有200 万像素分辨率，镜头的焦距选择范围介于2.8~12.0 mm或8.0~32.0 mm，拍摄范围最远达150 m。不同于常规摄像机，水面红外相机凭借其对光照和颜色的鲁棒性，能够穿透黑暗，捕捉到网箱内鱼群的一举一动。

“德海1号”和它的红外摄像头

3 智能模型：唱响鱼群监测的三重奏

红外慧眼帮我们追踪到了夜间鱼群的图像，那科学家们又是怎样进一步获取图像信息的呢？答案就是以深度学习为核心的智能感知算法。科学家们使用标注工具对所收集的水面鱼类图像开展目标检测标注，并利用深度学习等关键技术，开发了一套智能监测方法，主要包括鱼群识别与计数、鱼体分割和鱼体游向判断3个功能模块。

鱼群标注图

首先，通过红外相机采集鱼类图像，构建鱼类数据集，利用改进的 Faster RCNN 模型经过特征提取和目标检测，实现鱼群的识别和计数，同时进行图片剪切，输出鱼类个体目标子框图。而后，在图像中选择亮度较高的像素点作为分割提示点，利用Segment Anything Model (SAM) 对鱼类个体目标子框图进行分割，生成鱼体分割图。最后，对鱼体分割图进行椭圆拟合处理，通过拟合的椭圆曲线判定鱼类的游向信息。

这3个功能如同乐队中的和声，相互支持、呼应，可谓是深海养殖监测的三重奏，使得我们能从红外图像中准确读取鱼群的数量和活动信息，一旦养殖过程出现异常，导致鱼群数量和活动发生变化，检测系统便会快速报警，通知养殖人员及时处理。

鱼群自动监测流程

4 改进模型：做监测鱼群的夜视先锋

本研究中改进的Faster RCNN模型采用Mobilenetv2+FPN作为特征提取网络，平均精确率从原始的70.0%提升到了84.5%，单张图片的检测时间仅为0.042 s，在实现高精确率的同时，保持了较快的检测速度，减少了计算资源需求。此外，改进的 Faster RCNN 模型对处理器要求低，部署成本低，在鱼群自动监测应用上，特别是对于有资源限制的设备，具备显著的实用价值和可行性。

不同特征提取网络对比

下图中，图a为原始图像，图b为使用改进的 Faster RCNN 模型得到的预测结果，图c与图d则展示了预测结果中置信度大于95%对应的鱼类个体目标的分割及游向判断结果。结果表明，在水面红外图像的鱼类数据集上，本研究所提出的改进 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。基于此，夜间不再是监测的盲点，而成为了收集关键数据、保障水产资源可持续发展的重要时段。

实验结果图

5 展望未来：探索蓝海“新视界”

每个夜晚，在红外慧眼“关照”下的鱼群欢快的游动着，智能监测不仅是对生命的守护，更是对未来的期许。技术的进步对昨日难题给出了新的回答，然而，为复杂恶劣的深海网箱养殖过程赋予智能的旅途才刚刚开始。随着研究的深入和技术的迭代，我们相信未来的深海网箱养殖将更加智能、高效、环保，为资源的可持续利用开辟新的道路。科技和自然的和谐，不仅能够提高我们的生活品质，也将为人类与地球的可持续发展保驾护航。

相关文章：要紫丹, 黄小华, 李根*, 胡昱, 庞国良, 袁太平. 基于水面红外图像的深海网箱鱼群夜间智能监测方法研究[J]. 南方水产科学, 2024, 20(1): 81-88.

编辑｜江　睿

扫下方二维码，更多精彩尽在《南方水产科学》公众号