为研究边缘计算技术在渔业智能化装备中的应用潜力，针对传统云端处理在实时性和高效性方面的局限，通过将计算资源下沉至网络边缘，提出优化解决方案。本研究系统梳理了边缘计算技术的发展历程，并重点分析了在渔业智能化装备中的关键技术，如计算卸载、数据存储与管理，结合渔业典型应用场景分析边缘计算在提升实时数据处理与系统响应速度方面的作用。结果显示，边缘计算通过将计算资源下沉至网络边缘，显著缓解了网络带宽与传输延迟的瓶颈，同时有效提升了渔业智能化装备的实时性。然而，边缘设备算力有限及异构设备之间协调性不足等问题，仍在一定程度上阻碍了其应用与推广。随着边缘计算与人工智能、大数据及物联网技术的深度融合，边缘计算有望为渔业智能化在远程数据传输能力优化、物联网深度融合等方面，带来更高的智能决策能力和可持续发展潜力，推动渔业行业向更智能、高效和生态友好的方向发展。

为保障海洋牧场环境监测平台服役期间安全稳定运行，提出了一种基于数字孪生技术的结构安全实时评估方法。采用三级数字孪生架构实现了监测平台整体应力分布状态快速预报和实时可视化。对比了台风“贝碧嘉”期间监测平台监测点的轴力仿真数据与实海监测数据，验证了仿真模型的可靠性；通过对多个工况的批量前置仿真计算，建立了覆盖监测平台服役期间常见海况下的结构应力场响应数据库；在多个环境参数同时变化的情况下，基于结构响应数据库通过改进反距离权重插值法（IIDW）进行快速预报。结果显示：监测点上轴力、弯矩和空间位移的插值数据与仿真数据间的平均绝对误差分别为7.62%、11.93%和5.77%，所有2462根结构杆的插值数据与仿真数据间的平均绝对误差分别为6.24%、7.88%和5.39%。本研究提出的海洋牧场环境监测平台结构安全快速评估方法，为平台服役期间整体应力的实时监测和安全预警提供了可行的解决方案。

准确高效监测鱼苗应激行为不仅有助于在养殖过程中调控应激源以减少产量损失，同时也可为育种阶段的鱼苗活力评估提供有效手段。针对鱼苗体积小、养殖密度高和高速非线性运动的特点，提出一种改进YOLOv8n-pose和BoTSort的鱼苗应激行为监测方法。改进YOLOv8n-pose作为检测器，将BMS模块与C2f模块相结合，使模型充分学习不同尺度特征；使用SPPCSPC模块替换原模型的特征融合模块，优化鱼苗相互遮挡情形下的检测精度；最后用N-EMASlideLoss替换原模型损失函数，增强模型的稳定性和对小目标的关注度。在跟踪器部分，基于检测器检测出的目标，结合BoTSORT多目标跟踪算法实现了更适合鱼苗应激时非线性运动监测的方法。最后，提取鱼苗的加速度、摆尾角度和聚集度三种特征进行加权融合，根据融合后的特征值判断鱼苗是否处于应激状态。结果显示，改进后的YOLOv8n-pose算法在目标检测和关键点检测的mAP比原模型分别提高了3.6%和4.5%；BoTSORT算法的MOTA为77.628%、MOTP为80.307%、IDF1为79.573%、IDSW为51，优于DeepSORT、ByteTrack、StrongSORT算法。该研究算法基于特征值的应激行为监测准确率为95.24%，为鱼类苗种培育中应激行为监测提供了新的思路和方法。

为检测梭子蟹蟹笼的上笼下笼数量来评估捕捞过程中的损失，提出了一种基于改进YOLOvn11模型的目标检测与追踪方法YOLOv11n-DFM，通过对关键区域蟹笼数量的检测判断蟹笼上下笼装置是否正常。该方法在YOLOv11n模型的基础上集成了DyHead、FocalModulation和CCFM模块，以增强模型的多尺度特征融合能力，提升对不同尺度蟹笼的检测精度，并减少计算量和内存消耗。同时，采用ByteTrack算法实现对蟹笼的精确追踪。试验结果表明，YOLOv11n-DFM模型在检测准确率上提高了1%，mAP@50-95提升了0.8%，而mAP@50和召回率保持不变，且相较于YOLOv11n模型，检测性能得以提升的同时，保持了相同的检测效率。研究表明，YOLOv11n-DFM模型在梭子蟹蟹笼的检测与追踪任务中表现出色，消耗较少计算资源，适合在算力有限的环境中部署，为渔业监测、资源管理和未来自动化蟹笼排放与收集提供了参考。

海珍品目标检测是海珍品资源智能化开发的关键性技术。针对水下环境复杂、特征提取困难、目标尺寸各异以及小目标较多导致海珍品目标检测精度低的问题，该研究提出了一种基于YOLOv9-S的改进算法YOLOv9-PAEG。首先，通过引入PfAAM注意力机制和分布移位卷积DSConv2D对SPPELAN模块进行改进，设计出PFAD_SPPELAN模块，提高了模型的检测精度和速度。其次，在模型的骨干网络层引入可改变核卷积AKConv，模型能够更灵活地适应不同大小和形状的特征，从而提高对多尺寸目标、尤其是对小目标的特征提取能力。然后，在模型的颈部层中融入ECA注意力机制，模型对重要特征的表示能力得到了增强，进而提升了检测精度。最后，通过采用GIoU损失函数，模型的收敛得到了加速，定位精度也得到了优化。试验表明，在数据集DUO和UDD上，YOLOv9-PAEG模型的mAP@0.5分别达到了89.7%、77.6%，FPS分别达到了71、69，相比于原模型和其他主流的目标检测模型在检测精度和速度上均有所提升。这充分证明了YOLOv9-PAEG模型的有效性和先进性，能够为海珍品提供更好的检测效果。

高密度聚乙烯（HDPE）是一种新型热塑性渔船材料，其焊接质量是保证HDPE渔船安全的主要影响因素之一。针对HDPE渔船焊缝缺陷检测中存在的缺陷与背景相似度高、小目标特征弱等难题，本研究提出了一种改进的ACA-YOLOv8（Adown-CCFM-AC-mix-YOLOv8）目标检测算法。该方法采用自适应下采样（ADown）策略有效保留缺陷特征，通过跨尺度一致性特征融合网络（CCFM）提升多尺度特征表达能力，并在特征融合过程中引入自注意力与卷积混合（AC-mix）机制增强小目标检测能力。结果显示，改进后的模型在保持轻量化的同时，平均检测精度达到98.9%，较原始模型提升3.2%，参数量减少43.5%，计算量降低2.0G。该算法更能满足工业生产车间HDPE渔船焊缝缺陷检测的设备计算需求。

重量法是工厂化水产养殖水中悬浮颗粒物浓度的常用检测方法，但该方法的检测过程繁琐耗时。本研究选择大菱鲆(Scophthalmus maximus)工厂化养殖水中的悬浮颗粒物为试验对象，通过采集水中悬浮颗粒物视频图像，构建了基于高斯混合模型(Gaussian Mixture Model, GMM)的悬浮颗粒物智能识别方法，以实现水中悬浮颗粒物浓度的自动快速检测。结果显示，通过对水中悬浮颗粒物视频的动态图像灰度化处理和GMM识别背景建模，提取出悬浮颗粒物的可识别图像，建立了识别图像的智能筛选和计数，并使用Python的相关库对智能识别代码程序进行封装，创建出一种水中悬浮颗粒物的智能识别方法。该方法对大菱鲆工厂化循环水中悬浮颗粒物质量浓度检测下限低至0.6 mg/L，且智能识别方法与重量法测定结果表现出良好相关性(R2 =0.981)。通过对大菱鲆工厂化养殖水中悬浮颗粒物24 h连续监测对比，可知智能识别测定值与重量法测定值的相对误差小于5%，表明本方法可实际应用于工厂化水产养殖水中悬浮颗粒物质量浓度的测定。

针对对虾养殖投饲预测中存在的特征因子信息不充分、多因子间复杂时序关系挖掘不足以及模型超参数优化效率低等问题，研究构建了一种基于注意力机制和遗传算法优化的长短期记忆网络模型（GA-LSTM-ATTN）。首先，基于溶氧、水温、对虾体长与数量等核心因子，引入生长速率作为补充特征；其次，结合注意力机制，增强模型对多个因素之间关系以及不同生长阶段摄食规律的学习能力；然后，采用遗传算法在模型测试前对时间步长、隐藏层维度、网络深度、训练迭代次数和批量大小等超参数进行全局优化。结果显示，该模型在养殖数据集上的决定系数（R²）为0.8683、均方根误差（RMSE）为0.3703、平均绝对误差（MAE）为0.3311。相比基准LSTM模型，R²提升了7.3%，RMSE降低了15.2%，MAE降低了13.5%。与主流预测模型对比，GA-LSTM-ATTN在预测精度上也有所提高。综上，该模型有助于提高对虾投饲量预测的精度，为实际养殖中精准投喂策略的制定提供了理论参考。

水下生物目标检测普遍仍采用人工识别的方法，面临着智能化水平低的问题。现有的目标检测算法YOLO系列，存在参数量和计算量大、检测精度差等问题。提出了一种基于RT-DETR模型的改进算法。提出DynaShareNet主干网络，共享stem信息架构以提升特征融合效率并降低计算负担；引入扩张变换器注意块DTAB，结合全局与局部特征交互以增强复杂水下环境鲁棒性；采用MaSA-RetBlock模块，解决目标模糊和低对比度识别问题；以及引入EMASlideVarifocalLoss用于提升难分类目标处理能力。在URPC2020数据集上的试验结果表明，改进算法显著提升了检测精度，mAP50和mAP50:95分别提高3.3%和3.5%，大幅降低了模型复杂度，参数量和计算量分别下降41.7%和47.7%，检测精度和参数量、计算量显著优于YOLO系列算法，同时在RUOD数据集上验证了其良好的泛化性能。研究表明，该改进算法有效提升了水下目标检测的性能与效率，具有较好的应用前景。

光伏河蟹养殖池塘环境中，受到太阳能电池板遮挡，致使无人作业船卫星定位系统的精度过低。提出一种基于激光惯性的无人作业船定位方法。首先，对雷达点云数据进行预处理，滤除扰动，降低规模，有效提升了数据的准确性；其次，改进Hector-Slam的定位流程，采用非线性拟合确定障碍物中心，再利用高斯虚化对障碍物中心进行虚化处理，实现地图连续化。同时，采用梯度下降法进行地图匹配，定位结果的抖动明显改善，精度明显提升；最后，采用卡尔曼滤波器对雷达位姿与IMU位姿进行融合，得到更加精确的位姿信息。经样机试验，采用激光惯性融合定位方法得到的定位偏差均值，相比Hector算法定位缩小了46%。研究结果表明，该激光惯性融合定位方法，能代替卫星定位，满足实际生产需求。
关键词：无人作业船；导航定位；2D激光SLAM；数据融合；卡尔曼滤波

针对渔船轨迹多变性的特点，本研究通过在数据预处理阶段对渔船特征参数的优化提高预测模型的精度，旨在能够提高渔船停泊轨迹预测的精度，提出一种基于北斗船位数据并结合长短期记忆网络的（LongShort-TermMemory，LSTM）的渔船停泊轨迹预测模型。通过船舶监控系统（Vessel Monitoring Systems，VMS）船载终端收集北斗渔船船位数据，提取时空位置信息等特征参数，将所收集的北斗船位数据进行预处理，通过使用相关性分析法选择预测模型的输入特征参数，将特征参数按渔船大小类型分类输入并训练模型，最终通过对比预测轨迹与实际停泊轨迹。探究北斗船位数据在船舶轨迹预测的实用性以及渔船类型对停泊轨迹预测的影响。结果显示，模型预测的精度达到92.3%，证明了北斗船位数据在船舶轨迹预测研究的优越性，同时证明了渔船类型与轨迹预测精度呈正相关。本研究为港口以及渔业管理提供了一种新方法。

斑马鱼是心脏疾病研究的常用模式生物，其幼体心脏呈透明状态，能够在显微镜下直接观察，目前尚未有成熟有效的算法自动识别斑马鱼心脏。为提高斑马鱼心室图像自动分割的准确率和实时效率，解决心室区域弱边界、特征提取能力不足及帧间相关性细节利用不充分等问题，本研究提出了一种基于边界引导特征库的斑马鱼心室图像自动分割方法EGAFB。通过嵌入矩形自校准模块改进编码器，提取全局上下文信息，增强心室特征提取；同时，引入边界引导注意力机制，引导模型关注更多的边界细节信息，强化算法的心室边界识别能力；引入均方误差损失和分类置信度损失函数，优化模型的局部细化分割机制，提高斑马鱼心室识别准确率。结果显示：EGAFB方法的平均交并比mIoU达94.7%。与现有方法Unet相比，mIoU提升4.6%，推理时间减少22.9%；与原模型相比，mIoU提升1.3%，推理时间减少6.4%。研究表明本方法在准确率和实时分割效率方面具有显著优势，为斑马鱼心室图像自动分割提供有效的解决方案，同时为斑马鱼心脏疾病模型研究提供更高效的技术支持。

为提高扇贝幼体培育成活率，开发了一种基于物联网三层体系架构的扇贝幼体培育环境监测调控系统，由水质监测、视频监视、智能控制和远程服务中心组成，实现了对扇贝幼体培育环境的远程智能监控。该系统采用STM32单片机作为主控中心，通过ModBus协议采集水质数据，实现了溶氧、水温和液位的实时监测；视频监视采用萤石云平台，实现了对培养锥水位和扇贝幼体培育状态的监视；系统采用模糊神经网络PID控制，实现溶氧和水温的智能控制；应用层开发了Web和Android应用端。整个系统组网采用WiFi无线网络模块，接入阿里云平台，通过搭建的服务器管理程序，用户可以通过Web和Android应用端远程浏览培育环境数据。搭建试验系统，并对通讯稳定性、数据准确性、Web应用端分别进行测试，整个系统通讯成功率达到99％以上，溶氧平均相对测量误差为±0.074 mg/L，水温平均相对测量误差为±0.079 ℃。系统运行至今稳定可靠，能够满足循环水扇贝幼体培育的需求，为扇贝育苗产业提供装备支撑。

牡蛎在贝类养殖品种中产量居首位，具有显著的经济价值。然而，现有养殖设施存在标准化与机械化程度低、抗风浪能力弱等问题，严重制约了牡蛎养殖产业的可持续发展。本研究设计了一种升降式牡蛎养殖平台，并通过物理模型试验，系统研究了该平台在不同波浪参数、吃水及系泊型式下的水动力特性。研究结果表明：养殖平台的运动响应和锚绳力与波高和周期呈正相关，但增长率随周期增加而减小；在相同工况下，垂荡和纵摇变化幅度更为剧烈；在极端海况下，养殖平台从漂浮状态过渡至下潜状态时，纵荡、垂荡、纵摇和锚绳力分别降低了27.32%、45.89%、42.32%和18.47%，抗风浪能力显著增强，其中垂荡和纵摇运动的减弱效果最为显著；与张紧系泊条件相比，松弛系泊条件下的运动响应和锚绳力相对较低，且增幅接近线性关系。本研究为牡蛎养殖平台的研制提供理论支撑，对其他贝类养殖平台的设计研究也具有重要的借鉴意义。

为准确地对深远海框架式养殖平台气隙性能进行预报，以某大型框架式养殖平台为研究对象，基于线性波浪绕射/辐射理论、莫里森方程理论和刚体运动学原理，采用频域方法进行气隙计算，分析了养殖平台细长结构杆件粘性效应、网衣粘性效应、扰动波面升高和定位系泊系统刚度等因素对气隙性能计算影响。结果显示：平台细长结构杆件和网衣的粘性效应会显著改善平台的垂向运动，使得平台气隙性能得到优化，气隙极值增大范围约0.3~1.0 m；扰动波面升高对框架式养殖平台的气隙性能存在显著影响，气隙极值增大范围约0.2~0.7 m、减小范围约0.3~1.6 m；定位系泊系统刚度对平台运动的约束会影响最终的气隙极值，气隙极值减小范围约0.1~0.4 m。研究表明：在进行框架式养殖平台气隙性能预报时，应合理考虑细长结构杆件粘性效应、网衣粘性效应、扰动波面升高和定位系泊系统刚度等因素。

针对传统竖流沉淀器在高水力负荷下颗粒物截留效率低、易受湍流干扰的缺陷，本研究设计了一种涡漩式竖流沉降过滤器，通过融合竖流沉淀与旋流分离原理，结合CFD-DPM耦合模拟与试验验证，系统探究其对循环水养殖系统（RAS）悬浮颗粒物的强化去除机制。数值模拟表明，涡漩结构通过离心力与重力协同作用优化流场分布，有效抑制颗粒物逃逸；对比试验中，在15 m³/(m²·h)水力负荷下，涡漩式过滤器对进水TSS 25 mg/L和50 mg/L的截留率分别达72.92%±7.40%和59.24%±5.15%，较传统装置提升28.6%和36.0%（P<0.05），而两者出水TSS质量浓度随流量增加的变化无显著差异（P>0.05）。研究表明，涡漩式设计通过旋流强化机制缩短水力停留时间，显著提升高负荷工况下颗粒物截留稳定性，解决了传统装置因流速升高导致的性能衰退问题。该成果为RAS固液分离设备的优化提供了兼具高效性与工程适用性的解决方案。

为解决鳗鲡工厂化养殖大量换排水、养殖后期水质恶化、设备设施投资与运行成本高等问题，本研究优化了工厂化节水减排养殖鳗鲡工艺并场景应用。采用正交试验设计方法，基于已筛选出的3株脱氮降磷功能菌，研发养殖水体“菌颗粒-复合菌液制剂”原位水处理技术，优化工厂化节水减排养殖工艺并采用对照试验的方法示范应用于不同密度的双色鳗鲡黑仔养殖，养殖周期120 d。结果显示，处理组Ⅰ(500 ind./m3)的黑仔鳗起捕规格、单产、特定生长率和绝对增重率分别显著高于对照组41.4%、43.9%、17.3%和48.2%(P<0.05)，饲料系数极显著低于对照组17.6%(P<0.01)；处理组Ⅱ(750 ind./m3)的黑仔鳗起捕规格、单产、特定生长率和绝对增重率分别显著高于对照组20.5%、83.0%、8.9%和23.3%(P<0.05)，饲料系数极显著低于对照组11.0%(P<0.01)；处理组均比对照组实现节水减排75%以上；处理组Ⅰ养殖水质的平均氨氮、亚硝酸盐氮、硝酸盐氮、总氮和总磷浓度分别显著低于对照组90.8%、80.7%、10.0%、51.5%、38.7%(P<0.05)；处理组Ⅱ养殖水质的平均氨氮、亚硝酸盐氮、硝酸盐氮、总氮和总磷浓度分别显著低于对照组88.0%、74.2%、5.6%、42.6%、21.3%(P<0.05)。表明该养殖工艺具有节水减排、维持养殖水质全程良好、投资和运行成本低等优点，应用前景广阔。

地下海水作为水产养殖业用水的补充，其铁锰超标可以引发养殖水质问题，进而对养殖生物的呼吸、免疫以及生长发育等方面产生不良影响。本研究采用高锰酸钾(KMnO4)和硫酸锰(MnSO4)溶液对石英砂和沸石进行化学改性处理、采用高温煅烧法对沸石进行物理改性，对改性材料进行表征。通过铁、锰过滤实验，探究改性前后石英砂、沸石去除铁、锰稳定后的成熟期。结果显示：化学改性后石英砂表面负载大量球形颗粒，沸石形成致密蚀刻沟槽，物理改性沸石层状结构破碎。化学改性的石英砂与沸石表面Mn元素比例分别为18.32%、24.82%，主要以MnO2的形式呈现。300℃煅烧的化学改性石英砂和沸石比表面积(7.26 m²/g和28.57 m²/g)及孔体积(0.005 2 cm³/g和0.112 cm³/g)均达最大值；400℃煅烧的沸石比表面积(20.18 m²/g)及孔体积(0.0857 cm³/g)达最大值。化学改性沸石最快达到除铁锰成熟期，分别为10 d、8 d，远低于未改性滤料成熟期。本研究将为水产养殖地下海水中铁、锰的去除技术提供理论依据和技术参考。

鱿鱼产业是中国海洋经济的重要组成部分，但鱿鱼加工产业受限于人工作业，严重制约了产业的提档升级。为实现鱿鱼胴体、内脏、鳍、头分离过程的自动化，本研究根据鱿鱼结构特征设计了鱿鱼“卡鳍垂脖”固定方式的载具，并通过分析人工作业特点，设计了鱿鱼自动上料模块，鱿鱼掏黄、去黄、去鳍和去头结构，自动上料模块基于Faster-RCNN神经网络模型实现了鱿鱼姿态识别，基于快速DT算法实现了鱿鱼抓取点求解，利用协作臂完成鱿鱼的自动上料；掏黄、去黄、去鳍和去头结构融合控制程序实现了仿人作业。在鱿鱼加工厂的试验结果显示，鱿鱼副产物全自动去除设备可实现100-400 g规格范围内鱿鱼的自动上料、去内脏、去鳍和去头，加工效率达到45条/min，单台设备可节约人工3人。研究表明，鱿鱼副产物全自动去除设备能仿人完成去鱿鱼内脏、鳍和头工作，达到同样的操作效果，在降低劳动强度的同时提高了作业效率，推广应用可提高鱿鱼加工行业的智能化水平。

鱼类栖息地的人工修复已取得了较大进展，人工鱼巢是目前对渔业资源增殖及生境修复主要措施之一。本研究研发了一种新型半潜式环保型复合人工鱼巢，整套装置采用“上-下”双层结构，悬浮于水中，结构坚固耐用，具备良好的环保性能。通过在白洋淀两处鸟岛周围设置人工鱼巢试验组和对照组，对比投放前和投放后鱼类资源状况，系统分析了人工鱼巢对鱼类资源恢复的协同作用机制。结果显示：该人工鱼巢对鱼类资源量上升73.76%～120.96%，对于具有产沉粘性卵和产寄贝蚌性卵生态习性的鱼类具有较为明显的聚集效果，人工鱼巢投放后可以整体提高鱼类单位捕捞努力量，同时为鱼类产卵提供附着物，该人工鱼巢具有庇护，觅食和繁殖作用。本研究为破解传统人工鱼巢功能单一、生态效益持续性不足等问题提供了解决方案，为大水面渔业保护和恢复提供技术参考。

为解决深远海养殖面临的安全保障不足、技术与工艺体系不完善等关键技术瓶颈问题，验证船载舱养模式在高密度条件下养殖大黄鱼的可行性及工艺有效性。以自主研发的“渔机1号”拖航式封闭舱养移动平台为核心试验设施，设计为期3个月（2025年7月9日至10月24日）的养殖试验。试验舱有效水体约900 m³，初始放养均质量(311.60±68.56)g的大黄鱼，密度为15.37 kg/m³。通过平台集成的适渔性流场调控、溶氧自动反馈、智能光照、基于视觉反馈的投饲等系统，执行标准化养殖操作规程，监测水体环境（水温、溶氧、氨氮等）与鱼类行为，并定期测定鱼体生长性能与健康状况。试验期间，养殖水体环境稳定，关键环境因子（流速0.5~1bl/s，溶氧8~10 mg/L）处于大黄鱼适宜范围。试验终末，大黄鱼均质量达675.82 g，月均增质量104.1 g，累计存活率95.05%，养殖密度提升至31.65 kg/m³，饲料系数为1.15-1.31。鱼体健康状态稳定，未发生大规模病害。本研究验证了船载舱养系统及其配套工艺可实现大黄鱼的高密度、高效率、高存活率养殖，为深远海工业化养殖模式的推广应用提供了可靠的技术支撑与工程示范。 

工厂化南美白对虾养殖系统中投饲模型和管控系统脱节，尚未形成一个闭环的投喂决策控制体系，导致养殖生产一体化管控系统智能化水平不足等问题。开发了一套基于多源信息融合的对虾投饲动态决策系统。该系统通过集成水下相机与专用料台，构建对虾体长与残饵量同步监测系统；在此基础上，提出一种融合生长状态与实时残饲反馈的双因子投饲决策模型，赋予系统自适应优化能力；进一步设计以PLC和上位机为核心的控制执行单元，驱动高精度投饲机实现策略的可靠实施与数据管理。对比试验表明，该系统显著提高了投饲控制精度和饲料利用效率，虾的体质量增长率提高0.26%，饲料系数降低0.14%，存活率提高0.9%，为对虾养殖的精细化、智能化和可持续发展提供了可靠的技术方案。

针对鱼类摄食行为识别中存在的声呐图像噪声干扰显著、小样本条件下表征能力不足等问题，本研究提出一种融合领域知识与深度特征的双流时空注意力网络。首先提出改进的小波滤波算法，有效去除声呐图像中的气泡噪声。接着设计了双流特征融合架构，其中，统计特征流包含目标数量、间距标准差等6维特征，深度特征流通过残差网络（ResNet18）提取声呐图像的高阶语义特征。同时引入长短期记忆网络（LSTM）捕获行为序列的时序依赖性，并结合时空交叉注意力机制自适应聚焦关键帧与目标区。在自建数据集上试验结果显示，本网络的分类准确率达77.0%，其中小波去噪、双流融合和时空注意力机制分别贡献了1.8%、5.9%和2.8% 的精度提升，验证了各组件的有效性。该研究为基于图像声呐的水下目标行为识别提供了新方法。

为系统梳理计算机视觉在水产养殖领域的应用现状 ,深入 分析了计算机视觉在养殖全流程中的应用现状与现存挑战 ,并对未来发展趋势进行展望 ,以期为水产养殖的智能化转型升级提供理论支持与技术参考 。本研究重点围绕卷积神经网络、YOLO 系列算法等视觉识别算法在水产养殖中的具体应用路径与性能表现展开探讨 ,同时详细阐述了多模态融合算法在整合视觉图像、声学信号及水质监测数据等方面的优势与发展潜力 。现有研究表明 ,计算机视觉技术可显著提升水产养殖的精准化管理水平与生产效率 ; 多模态融合算法在鱼类行为识别精度、摄食强度量化分析等关键任务中表现尤为突出 。然而 ,计算机视觉算法在实际应用中仍面临水下成像环境复杂导致图像质量不佳、鱼类行为模式多样增加识别难度等问题 。未来 ,随着深度学习算法的优化、多模态融合技术的深入应用 ,以及与物联网、养殖机器人等技术的跨领域协同融合 ,计算机视觉技术将为水产养殖业的高效化、精准化、绿色可持续发展提供关键技术支持 ,对保障全球水产品供应与粮食安全具有重要意义。

在深远海养殖网箱提升过程中 ,水深骤变引发的水压减小可能对闭鳔鱼类造成严重应激甚至死亡 , 已成为制约养殖效益提升的关键瓶颈 。以大黄鱼(Larimichthys crocea)为对象 ,构建实验室内气压模拟系统 ,模拟网箱从 20 m 水深(200 kPa)上浮至水面的全过程压力变化 ,开展匀速减压与梯度减压两类试验 , 系统评估不同减压速率和暂停策略对鱼体行为、生理响应及存活率的影响 。试验全程录像 ,结合图像处理提取瞬时游泳速度、探头频率、尾动频率等行为指标 ,量化应激状态与恢复过程 。结果显示 : 匀速减压组中 ,10 kPa/min 速率下大黄鱼行为最稳定 ,平均游泳速度为 0. 028 m/s,探头频率为 18 次/min,尾动频率为 1. 608 次/s;梯度减压组中 ,减压至 50 kPa 暂停 5 min 能有效缓冲压力变化 ,游泳速度由 0. 085 降至 0. 037 m/s,探头频率由 31. 106 降至 1 次/min,尾动频率由 1. 562 降至 0. 521 次/s,应激恢复效果最佳;在匀速与梯度试验中 ,只有 50 kPa 暂停组超半数个体在暂停阶段出现恢复性行为反应 ,其他处理组无类似表现 。研究表明 ,相比于匀速减压 ,在 50 kPa 设置短暂停留的策略可进一步优化平衡鱼体健康 ,为深远海养殖中减压操作参数的设定提供了基础理论依据与实践参考。

为探究室外和室内两种现代设施化循环水养殖凡纳滨对虾的生长差异和养殖水质变化 ,设置了室外池塘大棚循环水养殖和室内工厂化循环水养殖两种模式 ,在相同的初始养殖规格、养殖密度和养殖时间下 ,对比分析两种养殖模式凡纳滨对虾的生长特性和水质变化规律 。结果显示 :两种养殖模式下凡纳滨对虾生长迅速 ,体质量特定生长率均超 1. 62% ,其中室外养殖模式生长更快 ,体质量特定生长率达 2. 05%;室外模式收捕体长为 10. 17±0. 76 cm,体质量为 12. 98±2. 27 g,室内模式收捕体长为 9. 50±0. 81 cm,体质量为 11. 03±2. 60 g,两者存活率均达到 80. 9%以上 。室内和室外模式的凡纳滨对虾体长和体质量均呈良好幂函数增长关系( W= a Lb ) ,室外模式方程式为 W= 0. 009 6 L3. 075 8 (R2 = 0. 915,P<0. 01) ,室内模式方程式为 W= 0. 014 L2. 915 3 (R2 = 0. 860 4,P<0. 01) ,b 值均接近 3,体长与体质量呈等速生长 。同时 ,体长和体质量与养殖时间均呈二次函数关系( 室外 L = -0. 000 8 t2 +0. 080 7 t+8. 478,R2 = 0. 980 7,P< 0. 01,室内 L= 0. 001 t2 +5× 10-5t+8. 517 3,R2 = 0. 949 6,P<0. 01;室外 W= -0. 007 1 t2 +0. 439 9 t+6. 056 3,R2 = 0. 909, P<0. 01、室内 W= -0. 000 7 t2 +0. 173 8 t+6. 149,R2 = 0. 997 3,P<0. 01) 。两种模式各水质指标(TAN、NO-N、NO -N、 CODMn、TN、TP) 变化差异明显 ,室外模式TN 和 TP 浓度显著低于室内模式 ,养殖后期 NO-N 浓度显著低于室内 ,TAN和 CODMn 无显著规律性变化 ,但后期均明显降低 。研究表明 ,相较于室内工厂化循环水养殖模式 ,室外池塘大棚循环水养殖模式的凡纳滨对虾生长更快 ,水质更优 ,适合养殖推广 。本研究为凡纳滨对虾的现代设施化养殖模式探索与智能化管理提供了范式。

为探究许氏平鲉(Sebastes schlegelii) 幼鱼对不同溶氧环境的反应 ,选取平均体质量 0. 520±0. 130 g 的许氏平鲉幼鱼 ,设置 3、5、7(对照组)、10 mg/L 溶氧含量处理组 ,试验周期 28 d,观察分析了不同溶氧水平对许氏平鲉幼鱼运动行为、生长性能及血液生化的影响 。结果显示 :随着水体溶氧含量的增加 ,试验鱼的 自发游泳速度、个体间距离、最近邻距离显著增大(P<0. 05) ,且均在 10 mg/L 溶氧水平时达到最高 ,凝聚力、协调性及极性逐渐减小;当水体溶氧含量不断增加时 ,许氏平鲉幼鱼的存活率、特定生长率、饲料转化率、肝体比及脏体比这几项指标 ,均表现出显著提升的趋势(P<0. 05) ,且均在 10 mg/L 组时达到最大;随着水体溶氧含量的增加 ,鱼体血液中总蛋白、总胆固醇、甘油三酯含量逐渐升高 ;葡萄糖、谷丙转氨酶含量先降低后持续稳定;谷草转氨酶含量先降低后升高 。结果表明 ,低氧胁迫会影响许氏平鲉的行为以及生理指标 ,并造成许氏平鲉生长缓慢。

随着水产养殖规模不断扩大和智能化水平提升 ,传统人工巡视和水质采样因干扰性强、实时性不足 ,难以满足现代养殖的精细化管理要求 。被动声学监测(PAM)技术可在不干扰水生生物的情况下 ,精准解析其行为特征 。该技术以声信号为核心 ,构建了涵盖数据采集、信号处理、特征提取与模式识别的分析框架 ,在实际水产养殖环境中展现出较强的适应性 。研究表明 ,PAM 技术在低光照、深水和浑浊环境中具有明显优势 , 已在摄食监控、繁殖识别和水质预警等方面展现应用潜力 。然而 ,该技术的进一步发展受到设备噪声干扰、跨物种数据库缺乏和算法泛化不足等问题的制约 。未来发展应着重推进降噪增强与多模态融合 ,建立标准化数据体系 ,并强化跨学科协作以推动该技术的产业化落地。

为实现精准水下生物目标检测 ,保障海洋可持续发展 ,本研究提出一种基于改进 YOLO11n 检测算法 。该算法以YOLO11n 为基础模型 ,通过引入 PPA 并行分块注意力模块 ,增强对水下小目标的特征捕捉能力;采用 Detect_Efficient检测头模块优化检测头 ,提升多尺度目标检测精度 ;借助 CSFCN 特征校准模块解决卷积过程中由于图像全局上下文信息丢失而导致特征丢失的问题 ,提高了模型在图像模糊情况下的检测精度 。与原YOLO11n 对比 ,改进后的模型在水下目标检测时 mAP@ 0. 5 提升了 1. 9 个百分点;改进后的模型与主流目标检测算法相比 ,在精确率和召回率上同样表现更优 ,精确率达 85. 6% ,召回率达 75. 5%。研究表明 ,改进 YOLO11n 与主流目标检测模型相比在水下目标检测任务中有着更好的检测效果。

针对牡蛎形状分选过程中存在的效率低、成本高和受主观因素影响较大的问题 ,本研究构建了一种基于改进YOLOv10 的轻量级牡蛎形状识别模型 ,以提高牡蛎形状识别的自动化和准确性 。首先 ,将 YOLOv10n 网络结构的骨干网络替换为PP-LCNet 结构;其次 ,在骨干网络中的PSA 部分添加聚焦线性注意力模块;然后 ,颈部网络的上采样模块替换为DySample 动态上采样算子 ;最后 ,将原激活函数替换为 ARelu 激活函数 。结果显示 :改进后的模型浮点计算数、参数量及大小相比原YOLOv10n 基线模型分别降低 20. 7%、22. 2%和 22. 4% ,同时精确度相较于原模型提高了 3. 8个百分点 ,达到 94. 4%。本研究为牡蛎形状识别提供了一种有效的解决方案 ,也为开发牡蛎形状的自动识别和分类系统提供了技术支持。

淡水螺产品分类加工环节中，对中华田螺雌雄及死活个体进行准确的品质分类至关重要。针对现有目标检测算法在该类型分类作业任务中精度不足、参数量过多、检测速度低的问题，本研究提出一种基于AP2O-YOLOv8的中华圆田螺雌雄及死亡特征检测算法。该算法通过引入P2层小目标检测头，从而提升网络对于田螺细微特征的检测精度。其次，通过结合ASF-YOLO结构，充分强化网络的多尺度特征融合能力。此外，将主干网络的C2f模块替换为C2f-OREPA模块，使网络复杂的结构重参数转为单卷积层，有效减少模型的推理成本。试验结果表明，在该数据集上AP2O-YOLOv8算法的mAP0.5为93.2%，参数量为2.1MB，FPS为226。相较原YOLOv8n的mAP提升了5.6%，参数量降低了27.6%，FPS提升了27.6%，在提升检测精度和实时检测速度的同时还降低了模型部署难度。本研究为中华圆田螺雌雄及死亡特征分类检测提供新的思路和方法，有助于进一步推动实现中华圆田螺品质分类加工环节的自动化及智能化技术升级。

针对水下图像中由于水体浑浊、光照不均而导致的鱼类目标边缘模糊、漏检率高以及现有模型计算复杂度大、部署困难的问题 ,本研究提出了一种基于改进 YOLOv11n 的水下鱼类检测算法 CRL-YOLO11。首先 ,设计了边缘感知与上下文引导注意力模块 ,以增强模型对弱特征目标的感知能力 ,从而提升小目标鱼类的检测效果 ;其次 ,构建了轻量化高效聚合模块 ,利用重参数化多分支结构实现跨尺度特征融合 ,降低信息传递损失;此外 ,针对计算成本较高的问题 ,引入了选择性通道下采样和轻量化非对称检测头 。在 自建数据集上试验结果显示 :与基准模型 YOLOv11n 相比 ,CRL-YOLO11 模型的 mAP50 提高了 2. 1% ,召回率提升了 2. 9% ; 同时权重和参数量分别减至原模型的 86%和82%;此外 ,在 Kaggle- fish 数据集中 ,mAP50 提高了 0. 7% ,召回率提升了 2. 4% ,在 URPC2019 数据集上 ,mAP50 提升了 1. 1%。研究表明 ,该模型具备良好的检测精度、泛化能力与部署效率 ,适用于智慧渔业与养殖场景下的实时水下目标检测任务。

光伏池塘环境中 ,传统无人船定位依赖卫星系统易受到光伏板的遮挡 ,定位精度出现明显下降 ;而基于点特征的视觉同步定位与建图技术也存在轨迹漂移和误差累计等问题 。本研究提出了一种基于光伏池塘环境的融合点线结构特征的双目视觉惯性 SLAM 系统 ,对光伏池塘中线特征和结构特征的提取进行研究 。为 了应对水面反射和光照变化 ,提高线特征质量 ,本研究改进了 ELSED 线特征提取方法 。为了适应光伏池塘环境 ,设计了椭圆球面栅格聚类消隐点 ,并在椭圆球面上使用RANSAC 提取结构特征 。使用开源USVInland 数据集和私有光伏池塘数据集试验验证 ,将本研究 SLAM 系统与改进前 ORB-SLAM3 对比 ,试验结果显示轨迹误差明显下降 ,降幅达到 60% , 系统跟踪帧率达到34 帧/s,保证了系统实时性 ,定位精度满足光伏池塘无人船需求。

为提高深远海网箱应对极端天气的能力 ,依据规范要求对某深远海网箱进行了压载水系统设计 ,并在养殖海域进行了网箱沉浮试验 ,试验过程中采用倾角传感器与液位遥测换算两种方法记录网箱倾角 。结果显示 : 网箱沉浮时间约 6h,满足设计要求;网箱沉浮速度与网箱截面积负相关 ,在截面突变处沉浮速度变化明显;网箱横纵倾测量最大值分别为-2. 5°和 1. 25° ,网箱横纵倾计算最大值分别为-1°和 1° ;沉浮试验中网箱倾角测量值与计算值的变化趋势一致性良好 。通过沉浮试验验证了压载水系统的合理性 ,倾角传感器敏感程度更高 ,可用于网箱倾斜报警 。双监测方案为深远海网箱的优化设计提供了高精度数据支持。

生物絮团技术（Biofloc Technology, BFT）作为一种环境友好型水产养殖模式，通过原位调控微生物过程实现水质净化、提供额外饲料并抑制病原体，被视为推动水产养殖可持续发展的重要路径。本研究基于现有文献，系统综述了BFT应用中的核心共性技术难点，深入剖析了养殖生物物种特异性、碳源选择的多样性与经济性、系统关键要素的动态变化特性与系统稳定性之间的多重制约关系。分析表明，精准调控碳氮比（C/N）与碳源类型、高效管理溶解氧、持续补充碱度以及稳定控制悬浮固体，是保障系统稳定运行的关键。进一步归纳了优化碳源策略、强化微生物管理、创新曝气设计及智能化监控等解决方案，并对BFT技术向标准化、智能化、多营养层次整合及提升能源效率的未来发展方向进行了展望，旨在为推动其产业化应用提供理论参考。

南极磷虾(Euphausia superba)是一种全球重要的战略性海洋生物资源，其捕捞技术水平的提升是各国争夺捕捞份额的关键。目前，南极磷虾渔业已进入连续捕捞技术为核心的资源竞争期。中国虽已陆续投入多艘专业连续捕捞渔船，但仍面临核心装备依赖进口、捕捞效率低下等挑战。本综述系统梳理了南极磷虾捕捞技术的发展历程，重点分析了连续捕捞技术的应用现状及其在虾群精准探测、捕捞路径规划和网具动态调控等方面存在的问题；提出构建以虾群精准感知、捕捞路径智能决策与作业水层协同调控为核心的智能化连续捕捞技术体系，推动中国南极磷虾渔业向智能精准方向高质量发展，提升捕捞份额竞争力。

为优化声诱参数增强许氏平鲉（Sebastes schlegelii）聚集效果，提高放流效率，采用200 Hz、300 Hz和500 Hz脉冲波连续播放进行20 d声驯化，评估其对集群行为（反应时间、聚集时间、聚集率）及生理指标（血浆皮质醇、总蛋白、谷丙转氨酶）的影响。结果表明，200 Hz组初期（第1~4 天）行为响应最快，300 Hz组中期（第2~7 天）聚集率最高，试验后期（第8~20 天）所有试验组集群行为均显著优于对照组（P < 0.05）。聚集率以300 Hz 组最优73.74%，其次为200 Hz组69.1%和500 Hz组63.51%。生理方面，谷丙转氨酶（ALT）和血浆皮质醇（COR）水平短暂升高后恢复，300 Hz的ALT峰值最小为30.79 ± 1.10 pg/mL，COR含量300 Hz相比200 Hz和500 Hz恢复至初始水平时间最短，TP水平整体波动较小，说明300 Hz组应激波动最小。由此可见，300 Hz声诱频率可有效促进许氏平鲉集群行为并比200 Hz和500 Hz生理应激小，是声诱技术优化的优先参数，对提升海洋牧场资源管理效率具有实践意义。

为探究工厂化养殖生产系统中不同养殖密度对鳜鱼（Siniperca chuatsi）生长性能、抗氧化能力及免疫功能的影响，初步确定其适宜养殖密度。设置低（M1，150尾/m³）、中（M2，200尾/m³）、高（M3，250尾/m³）3个放养密度组，开展180 d养殖试验。测定鳜鱼的生长指标，并分析其头肾与脾脏的抗氧化酶活性及相关免疫因子的表达水平。结果显示，养殖末期（180 d），M2组在终末体质量、体长及增重率上均显著优于M1和M3组（P < 0.05）。随着密度升高，抗氧化能力呈下降趋势，超氧化歧化酶（SOD）活性与总抗氧化能力（T-AOC）含量显著降低，丙二醛（MDA）含量显著升高；非特异性免疫酶（AKP，ACP，LYS）活性及促炎因子（TNF-α，IL-8）、干扰素通路相关分子（IRF11，IFP35）和T细胞受体（TCRα）含量均随密度增加而显著上调。研究表明，过高密度虽能激发免疫应答，但会诱发氧化应激与慢性炎症。本研究建议鳜鱼工厂化养殖密度宜为28.61 kg/m³左右，以实现养殖效益与鱼体健康的平衡。

针对高密度集约化水产养殖业排放尾水中悬浮颗粒物盐分高，传统尾水处理装置效率低下、成本高的问题，设计了一种集成离心脱水、高压喷淋和负压收集功能于一体的离心脱盐集渣一体机，完成了装备的结构设计及控制系统，并试制了样机开展性能试验。通过以饲料和海水混合的原水模拟实际尾水，以装备的收集率、脱盐率和处理后的固体颗粒物含水率为指标，采用单因素试验设计方法，在装备运行参数相同，液固浓度比不同的工况下进行性能测试试验，处理后的固体颗粒物进行烘干处理，以计算装备的指标数值。结果显示：该装备具有良好的固液分离和降盐效果，对水产养殖尾水中固体颗粒的收集率可达65%以上，脱盐率超过80%，处理后的固体颗粒物含水率65%左右。研究表明，该装备能显著降低尾水直接排放对水体和土壤的污染风险，可实现尾水尾渣的资源化利用，有较好的推广应用前景。