骆桂兰 陈军 王会聪 王煜恒

摘要 本文介绍了计算机视觉的概念，比较了传统测量方式与计算机视觉技术的不同，并从养殖水环境监控、投饵监控、鱼类生长监控及鱼类行为监控等几个方面对计算机视觉技术应用情况进行综述。

关键词 计算机视觉技术；水产养殖；应用

中图分类号 S858.31 文献标识码 A 文章编号 1007-5739(2018)03-0233-02

Abstract In this paper，the concept of computer vision was introduced，the differences between traditional measurement method and computer vision technology were compared，the application of computer vision technology in aquaculture water environment monitoring，feeding monitoring，fish growth monitoring and fish behavior monitoring were summarized.

Key words computer vision technology；aquaculture；application

我国水产养殖行业发展一直处于世界领先地位，养殖产量超过全球水产养殖总产量的70%[1]。水产养殖已成为我国农业生产的重要组成，在推动我国农业经济发展方面发挥了重要作用。水产养殖中水生动物的形状、尺寸、颜色及纹理等称为水生动物的视觉属性，该属性是水产养殖业中的重要信息。其不仅可以反映水生动物的基本生长情况，还可以为水生动物的喂养、用药、捕捞、选别、分级提供参考，同时为养殖水环境的监测提供数据支持。

1 计算机视觉技术与传统测量方式对比

1.1 传统测量方式

传统的测量方式主要是人工通过肉眼判断、手工接触或使用简单的测量工具进行测量。这种测量方式虽然简单易行，但却容易受到测量者的个人习惯与经验影响，同时外部环境对测量结果的干扰也较大。这些因素导致传统测量方式主观性强、整齐性差、出错率高。此外，水生动物敏感性较强，用手工接触的方式进行测量容易导致水生动物感染疾病甚至死亡，从而不利于水生动物的生长[2]。

1.2 计算機视觉技术

人类的感觉包括视觉、听觉、嗅觉、触觉等，但依靠视觉获取绝大部分的信息。计算机视觉(CV)是指赋予机器人类的视觉功能，该技术起源于统计模式识别，涉及到图像分析、图像处理、模式识别及人工智能等多种技术。其基本原理是通过图像传感器获取图像信号，然后传送给图像处理系统，再将图像信号转变为数字信号，并针对数字信号进行复杂的运算与处理以提取特征信息，最终实现对目标的识别、检测与控制等[2]。

2 计算机视觉技术在水产养殖行业中的应用

光学成像技术、图像处理和模式识别技术、计算机信息技术等多项技术的不断成熟推动了基于计算机视觉技术的自动化检测手段的发展与应用。计算机视觉技术在测量对象的线性尺寸、颜色等属性方面优势明显，具有经济快速、准确一致、客观专业等特点。计算机视觉技术在水产养殖行业中的应用涵盖了鱼、虾、蟹、贝等多种水产动物，并且已经成为精细化水产养殖的关键技术手段之一。

2.1 水质自动监控

养殖水体中的许多参数需控制在合理的范围之内才可保证水生动物的良好生存环境。我国的水产养殖业中多采用不能长期连续使用的非在线型水质测试仪表。这种仪表在使用过程中容易受到人为或仪器等原因影响从而造成测量数据误差，即使是全天不间断测试水质，这种误差也仍然存在。随着工厂化水产养殖技术的发展，20世纪末开始研究自动化水质监控系统，对养殖水体中的水质指标进行监控，包括温度、浊度、溶氧、亚硝酸盐、氨氮、盐度、酸碱度等。目前，溶氧、水温等指标的监控技术应用比较广，水体净化设备和增氧设备等与其相关的执行机械的监控应用也颇多[3]。

2.2 投饵监控

投饵饲喂是水产养殖过程中的重要环节，减少投饵过程中的浪费可以有效降低水生动物的饲养成本，同时有利于减少污染水体的残饵量、改善水生动物生存环境，从而保持养殖动物的健康状态。利用计算机视觉技术来控制投饵，可以精确控制饵料投放量，同时可观察到投饵过程中鱼群的聚集情况，并以此判断鱼只的健康状况及饵料的利用情况[4]。

2.3 生长监控

对于水产养殖业来说，定期检测鱼体尺寸、重量等是一项非常重要的工作。传统的定期打网捕捞检测容易对鱼体造成损伤，影响其后期的生长发育。目前可利用计算机视觉技术的图像测量技术测量水中鱼体的尺寸大小，从而判断鱼体的生长情况，对校正之后的鱼体图像进行去噪、二值化、分割，得到鱼体的尺寸大小、鱼眼位置、鱼尾位置等。众多试验数据表明，计算机图像测量技术和人工测量相比，鱼体尺寸的实际值与测量值差异不大。据报道，RUFF、HARVEY、JONES等不同品种鱼体的样本试验结果均表明计算机视觉图像测量值与实际值之间无显著差异[4]。采用计算机视觉技术检测虾夷扇贝大小，识别精度远远大于机械分级机，平均相对误差仅为2.12%。既避免了机械碰撞等对扇贝造成的损伤，同时检测精度也能够满足使用要求，因而认为用计算机视觉技术控制扇贝分级是可行的，且实用价值很高[5]。

2.4 行为监控

动物行为与其生理状态及外界刺激密切相关，是机体的重要功能表现。水体环境发生改变或水生动物受到刺激时动物会表现出不同的行为：当水体溶氧不足时，鱼会拼命往水面上游动；鱼生病时，其肢体无力，表现为游速变慢，对外界环境的刺激反应迟钝[6]。传统的测量方式较难实现对水体中水生动物的疾病观察，容易延误病情。而应用计算机视觉技术则可以实现直观快速地对水生动物行为进行监测，并可利用自动报警系统及时发现异常。同一养殖塘中养殖的水生动物品种相同，且大小相近，当观察到鱼塘中鱼出现侧翻，说明有不适或者即将死亡。由于池塘水背景色较深而鱼腹颜色较白，因而很容易观测到。例如，可采用统计方法分割池塘水背景色及病鱼的阈值，分别得到池塘内鱼体面积与腹部白色面积[7]。同时将池塘背景和鱼腹部2种颜色的区域分割，再统计鱼腹部白色区域面积大小，当白色区域面积大于等于统计值下限且小于统计值上限时视作鱼类出现不适，即可触发报警[8]。采用计算机视觉技术既可减少人力的消耗，又可节省时间和成本。

3 结语

近年来，计算机视觉技术在渔业生产中的推广应用不断增加，技术手段越来越成熟，同时也存在一些困难需要解决。由于水生动物都生活在水下，因而水质、水温、水流、鱼鳞片反光等因素均会影响计算机视觉技术的测量结果。因此，应继续深入研究图像处理技术的新方法和新手段，获得高质量图像，使得计算机在水产养殖业的应用前景更加广阔[9]。

4 参考文献

[1] 卢宏涛，张秦川.深度卷积神经网络在计算机视觉中的应用研究综述[J]. 数据采集与处理，2016，31(1)：1-17.

[2] 张驰，刘菲，侯广琦，等.光场成像技术及其在计算机视觉中的应用[J].中国图象图形学报，2016，21(3)：263-281.

[3] 许志杰，王晶，刘颖，等.计算机视觉核心技术现状与展望[J].西安邮电学院学报，2012，17(6)：1-8.

[4] 张梅，文静华.浅谈计算机视觉与数字摄影测量[J].地理空间信息，2010，8(2)：15-17.

[5] 贾小军，喻擎苍.基于开源计算机视觉库OpenCV的图像处理[J].计算机应用与软件，2008(4)：276-278.

[6] 关君，李秀辰，刘辉.计算机监控技术在水产养殖中的应用[J].渔业现代化，2007(1)：45-47.

[7] 周显青，孙儒泳，牛翠娟.应激对水生动物生长、行为和生理活动的影响[J].农业工程学报，2001，17(2)：154-158.

[8] 徐愫，田云臣，马国强，等.计算机视觉在水产养殖与生产领域的应用[J].天津农学院学报，2014，21(4)：43-46.

[9] 刘涛，仲晓春，孙成明，等.基于计算机视觉的水稻叶部病害识别研究[J].中国农业科学，2014，47(4)：664-674.