近年來，人工智能（AI）已在水產養殖領域顯示出良好的應用前景。計算機視覺技術可以通過圖像的識別、處理和分析，實現養殖的精準化和智能化，但生產實際中，仍面臨受光照影響大、多目標檢測難、復雜場景處理難等技術瓶頸。針對以上技術難題，中國水產科學研究院黃海水產研究所海水陸基工廠化養殖創新團隊針對性開展了相關研究，突破了魚群多目標跟蹤和行為識別技術，研究成果發表在農業工程領域國際知名期刊Biosystems Engineering和Aquacultural Engineering上，并獲國家授權發明專利1項。

針對養殖水環境中光線不足、魚群堆疊、魚類搶食產生水花等不利因素影響，基于多目標跟蹤算法ByteTrack，結合養殖環境特性、魚類行為習性以及復雜因素的形成機制，優化了算法架構；在保持樣本量不變的情況下，改良算法在處理不同密度魚群時的多目標跟蹤精度平均提升了21.3%，該項研究為魚類行為的定量分析提供了一種有效的方法。同時，該團隊為精準捕捉魚群行為狀態的變化，融合目標檢測、多目標跟蹤以及拓撲結構轉換技術，對時空圖卷積網絡的輸入端進行了創新性改進；改進后的模型算法能夠清晰、準確的反映飼喂過程中魚群的時空動態變化，提出了一種基于時空圖卷積網絡的魚群攝食強度預測方法，為魚類食欲評估和精準投飼提供新的視角和技術支持。

在讀碩士研究生趙海翔為兩篇論文的第一作者，崔正國研究員和慕尼黑工業大學吳元凱助理研究員為Biosystems Engineering論文的共同通訊作者，崔鴻武助理研究員為Aquacultural Engineering論文的通訊作者。研究工作得到了國家重點研發計劃項目（2022YFD2001701; 2023YFD2400400）及中國水產科學研究院基本科研業務費（2023TD53）等項目資助。

全文鏈接：

https://doi.org/10.1016/j.biosystemseng.2024.02.011

https://doi.org/10.1016/j.aquaeng.2024.102409

專利號：ZL 2023 1 0009858.3

基于ByteTrack算法的魚群跟蹤修正模塊

基于慢快網絡和時空圖卷積網絡的魚群個體和整體行為識別

改進了輸入端的時空圖卷積神經網絡