摘" 要：計(jì)算機(jī)視覺技術(shù)在蝦蟹類養(yǎng)殖中的應(yīng)用具有巨大潛力和市場需求。通過圖像處理和分析，該技術(shù)可以實(shí)現(xiàn)蝦蟹類的自動(dòng)化監(jiān)測和管理，提高生產(chǎn)效率、優(yōu)化養(yǎng)殖環(huán)境、降低運(yùn)營成本和有效管理病害風(fēng)險(xiǎn)，從而提高養(yǎng)殖產(chǎn)品質(zhì)量和經(jīng)濟(jì)效益。文章回顧了計(jì)算機(jī)視覺在蝦蟹類水產(chǎn)養(yǎng)殖中的最新進(jìn)展，包括養(yǎng)殖蝦蟹的識別和計(jì)數(shù)、行為監(jiān)控、投喂管理、繁殖監(jiān)控和疾病診斷等方面的應(yīng)用。這些方法和技術(shù)可以為養(yǎng)殖者提供更精確的信息，有助于提高養(yǎng)殖業(yè)的現(xiàn)代化水平和可持續(xù)發(fā)展。

關(guān)鍵詞：計(jì)算機(jī)視覺；水產(chǎn)養(yǎng)殖；蝦蟹類

中圖分類號：S965.229文獻(xiàn)標(biāo)志碼：A" "文章編號：1674-2419（2024）03-0334-03

蝦蟹類養(yǎng)殖作為水產(chǎn)養(yǎng)殖的重要分支，在我國具有廣闊的發(fā)展空間和巨大的市場需求。目前圍繞蝦蟹類健康養(yǎng)殖的研究較多，但大多都側(cè)重于養(yǎng)殖動(dòng)物的基礎(chǔ)生物學(xué)領(lǐng)域，對于了解動(dòng)物行為和監(jiān)控類的研究較少。并且傳統(tǒng)的手動(dòng)檢測蝦蟹類行為的方法存在著耗時(shí)高和準(zhǔn)確率低等問題。因此，越來越多的關(guān)注點(diǎn)開始轉(zhuǎn)向利用聲學(xué)技術(shù)、機(jī)器視覺和傳感器等自動(dòng)化方法，根據(jù)生長情況自動(dòng)監(jiān)測蝦蟹類行為的變化。通過圖像處理和分析等方法，計(jì)算機(jī)視覺技術(shù)能夠?qū)崿F(xiàn)對蝦蟹的自動(dòng)化監(jiān)測和管理，從而提高生產(chǎn)效率、優(yōu)化養(yǎng)殖環(huán)境、降低運(yùn)營成本，并有效應(yīng)對疾病風(fēng)險(xiǎn)，提升養(yǎng)殖質(zhì)量和經(jīng)濟(jì)效益。這種技術(shù)的應(yīng)用不僅提高了養(yǎng)殖業(yè)的現(xiàn)代化水平，也為行業(yè)可持續(xù)發(fā)展奠定了堅(jiān)實(shí)基礎(chǔ)。

1 養(yǎng)殖蝦蟹的識別和計(jì)數(shù)

在蝦、蟹養(yǎng)殖池塘中，生物種類較多，包括各種大小不同、外觀差異明顯的浮游或是底棲動(dòng)物均有存在。這些生物種類的數(shù)量和分布情況對養(yǎng)殖管理和生產(chǎn)效率有著直接的影響。因此，利用計(jì)算機(jī)視覺技術(shù)進(jìn)行識別和計(jì)數(shù)不僅解決了傳統(tǒng)人工計(jì)數(shù)的測量誤差和耗時(shí)費(fèi)力的問題，還可以更好地了解養(yǎng)殖池塘的生態(tài)系統(tǒng)結(jié)構(gòu)，科學(xué)調(diào)整放養(yǎng)密度、投喂量和養(yǎng)殖方式，最大限度地提高養(yǎng)殖效益，減輕養(yǎng)殖人員的工作負(fù)擔(dān)。

趙德安等人提出了基于機(jī)器視覺的水下小規(guī)格河蟹識別方法，通過優(yōu)化Retinex算法提高圖像對比度和細(xì)節(jié)，修改YOLOv3模型并訓(xùn)練自建數(shù)據(jù)集，實(shí)現(xiàn)了對水下河蟹的高精度識別，測試表明平均精度均值為86.42%，識別準(zhǔn)確率為96.65%，召回率為91.30%，且在識別速率上具有較高實(shí)時(shí)性和應(yīng)用價(jià)值[1]。但對水下小規(guī)格河蟹這類特征模糊、干擾較多的情況識別率較低。陳子文等人提出基于YOLOv5框架的養(yǎng)殖蝦類檢測方法，通過自適應(yīng)圖片裁切預(yù)處理算法提高目標(biāo)檢測準(zhǔn)確度，在高分辨率圖像下實(shí)現(xiàn)對工廠化循環(huán)水養(yǎng)殖系統(tǒng)的蝦進(jìn)行準(zhǔn)確識別與計(jì)數(shù)，達(dá)到了92.55%的識別準(zhǔn)確率、98.78%的召回率和97.5%的平均精度均值[2]。

國外學(xué)者YEH研究了不同品種和外觀的蝦的計(jì)數(shù)方法。為解決計(jì)數(shù)中可能存在的重疊和遮擋問題，他們利用了K均值聚類算法，這是一種無監(jiān)督機(jī)器學(xué)習(xí)方法。具體地說，他們將檢測到的斑點(diǎn)輪廓分為兩個(gè)集群，分別代表單只蝦和多只蝦，并通過區(qū)域面積確定蝦的數(shù)量，成功地對水晶蝦、火焰蝦和大和藻蝦等三種不同品種的蝦進(jìn)行了數(shù)量統(tǒng)計(jì)，平均計(jì)數(shù)準(zhǔn)確率超過96%[3]。楊國偉等人基于殘差模塊的計(jì)算機(jī)視覺蝦卵計(jì)數(shù)模型在紅螯螯蝦人工繁育中表現(xiàn)出高精度（98.88%）、低誤差和優(yōu)質(zhì)的預(yù)測密度圖，為解決密集蝦卵計(jì)數(shù)難題提供了新方法，可用于真實(shí)場景中的自動(dòng)計(jì)數(shù)裝置[4]。

2 生長監(jiān)控

在蝦蟹類養(yǎng)殖過程中，定期檢測蝦蟹的規(guī)格、重量等是至關(guān)重要的任務(wù)。傳統(tǒng)的捕撈檢測方法可能會(huì)對蝦蟹造成損傷，影響它們的生長發(fā)育。然而，利用計(jì)算機(jī)視覺技術(shù)的圖像測量技術(shù)可以有效解決這一問題。通過對校正后的蝦蟹圖像進(jìn)行處理，包括去噪、二值化和分割等步驟，可以準(zhǔn)確獲取蝦蟹的規(guī)格大小、眼部位置、尾部位置等信息。大量試驗(yàn)數(shù)據(jù)表明，計(jì)算機(jī)圖像測量技術(shù)與人工測量相比，蝦蟹的實(shí)際尺寸與測量值之間差異不大，這在不同品種的蝦蟹樣本試驗(yàn)中都得到了驗(yàn)證。

王斌研究通過連續(xù)拍攝不同背景下的三疣梭子蟹蛻殼行為，并利用計(jì)算機(jī)視覺技術(shù)成功實(shí)現(xiàn)了對無沙背景和有沙背景下蛻殼行為的自動(dòng)檢測，發(fā)現(xiàn)藍(lán)色有沙背景下的梭子蟹蛻殼時(shí)間縮短且更集中，表明有沙背景更適合梭子蟹的蛻殼行為[5]。楊浩康等人設(shè)計(jì)了一種基于YOLOv5深度學(xué)習(xí)模型和雙目攝像頭的機(jī)器視覺系統(tǒng)，可對蝦體生長及生長率進(jìn)行實(shí)時(shí)監(jiān)測和分析，以降低蝦類養(yǎng)殖場的死亡率、減輕養(yǎng)殖人員的體力勞動(dòng)，提高智慧化水平，具有重要的實(shí)用價(jià)值和社會(huì)效益[6]。

3 行為監(jiān)控

蝦蟹作為水生動(dòng)物，也會(huì)表現(xiàn)出不同的行為特征，例如在水體溶解氧不足或受到疾病影響時(shí)會(huì)出現(xiàn)運(yùn)動(dòng)遲緩或異常的情況。傳統(tǒng)的觀察方法難以實(shí)現(xiàn)對水生動(dòng)物行為的快速準(zhǔn)確監(jiān)測，而計(jì)算機(jī)視覺技術(shù)則可以通過視頻監(jiān)控系統(tǒng)直觀地捕捉蝦蟹的行為變化。

例如，利用計(jì)算機(jī)視覺技術(shù)可以檢測蝦蟹的游動(dòng)速度、運(yùn)動(dòng)方向和姿態(tài)，對異常行為進(jìn)行實(shí)時(shí)監(jiān)測和識別。此外，計(jì)算機(jī)視覺技術(shù)還可以結(jié)合自動(dòng)報(bào)警系統(tǒng)，及時(shí)發(fā)現(xiàn)蝦蟹的異常行為，如運(yùn)動(dòng)遲緩或不適狀況，從而提高養(yǎng)殖管理的效率和精準(zhǔn)性。張帆通過視頻采集系統(tǒng)獲取蝦苗應(yīng)激前后的行為數(shù)據(jù)，進(jìn)行圖像預(yù)處理和特征提取，最終建立了基于XGBoost+RFE的蝦苗活力識別模型，結(jié)合動(dòng)靜參數(shù)來量化蝦苗的活力，降低誤判率并提高檢測精度[7]。汪峰通過對蟹苗趨光能力的量化估計(jì)，可以有效反映蟹苗的健康狀態(tài)，實(shí)驗(yàn)結(jié)果顯示估計(jì)方法的正確率高達(dá)93.95%[8]。

段作棟針對河蟹在低照度條件下的視頻目標(biāo)檢測、圖像特征提取和運(yùn)動(dòng)跟蹤等問題，提出了一系列計(jì)算機(jī)視覺運(yùn)動(dòng)分析方法。主要?jiǎng)?chuàng)新包括基于改進(jìn)Retinex算法和頻率調(diào)諧顯著性估計(jì)算法的低照度河蟹目標(biāo)檢測方法，利用圖割算法實(shí)現(xiàn)河蟹蟹殼區(qū)域的精細(xì)分割，提出基于蟹殼區(qū)域像素?cái)?shù)量特征的河蟹重量估計(jì)方法，并改進(jìn)Camshift河蟹視頻目標(biāo)運(yùn)動(dòng)跟蹤算法。實(shí)驗(yàn)結(jié)果表明，這些方法在低照度條件下能夠有效地實(shí)現(xiàn)河蟹目標(biāo)檢測、分割、重量估計(jì)和運(yùn)動(dòng)跟蹤，具有較高的準(zhǔn)確性和實(shí)用性[9]。

采用計(jì)算機(jī)視覺技術(shù)不僅可以減少人力成本和時(shí)間成本，還可以提升監(jiān)測的及時(shí)性和準(zhǔn)確性，對于保障蝦蟹養(yǎng)殖的健康和穩(wěn)定性具有重要意義。

4 飼喂監(jiān)控

投餌飼喂在蝦蟹類養(yǎng)殖中扮演著重要角色，可能占據(jù)甲殼類養(yǎng)殖預(yù)算的大部分。精準(zhǔn)控制投餌過程可以有效降低飼養(yǎng)成本，減少殘餌量，改善水體環(huán)境，有利于養(yǎng)殖動(dòng)物的健康。利用計(jì)算機(jī)視覺技術(shù)來管理投餌，可以精確控制餌料投放量，同時(shí)監(jiān)測動(dòng)物的聚集情況，評估餌料利用情況，為養(yǎng)殖管理提供重要信息。

目前，學(xué)者們主要通過計(jì)算機(jī)視覺和被動(dòng)聲學(xué)來識別動(dòng)物的進(jìn)食行為。未來的研究應(yīng)該關(guān)注更多反映投喂變化的行為指標(biāo)，如活動(dòng)節(jié)奏、姿勢和位置，并借助更多類型的傳感器間接監(jiān)測動(dòng)物的進(jìn)食行為。雖然傳統(tǒng)的喂養(yǎng)表和時(shí)間表是準(zhǔn)確的飼養(yǎng)方法，但自動(dòng)飼養(yǎng)行為識別可以更精確地控制投餌時(shí)機(jī)，提高飼料轉(zhuǎn)化率，降低成本。

5 繁殖監(jiān)控

蝦蟹類的繁殖行為在整個(gè)生命周期中扮演著重要角色。這個(gè)過程涵蓋了接近與尋找適合的伴侶、識別對方的性別和適宜性、通過求偶展示吸引伴侶、進(jìn)行交配行為、產(chǎn)卵和孵化等動(dòng)作。這些行為的持續(xù)時(shí)間可以因物種、環(huán)境條件和季節(jié)而異。這些繁殖行為對于種群的繁衍和生態(tài)系統(tǒng)的穩(wěn)定都具有重要意義，因此也是監(jiān)控和研究的基礎(chǔ)。為了有效提高蝦蟹類的產(chǎn)量和幼蟲質(zhì)量，需要對繁殖行為進(jìn)行準(zhǔn)確分析。而現(xiàn)有的人工觀察方法效率低下，無法滿足精細(xì)化監(jiān)測的要求。因此，計(jì)算機(jī)視覺技術(shù)的應(yīng)用顯得尤為重要。

通過自動(dòng)化監(jiān)控，可以有效地分析繁殖行為并提高監(jiān)測的準(zhǔn)確度和精密度。計(jì)算機(jī)視覺技術(shù)能夠?qū)崿F(xiàn)對復(fù)雜和難以監(jiān)測的甲殼類動(dòng)物行為的自動(dòng)化監(jiān)測，為養(yǎng)殖者和信息技術(shù)人員提供了新的監(jiān)測手段和思路，有助于進(jìn)一步提高智能化水平，提升水產(chǎn)養(yǎng)殖的效率和質(zhì)量。

6 疾病診斷

蝦蟹養(yǎng)殖中常常面臨疾病暴發(fā)的風(fēng)險(xiǎn)，而早期診斷和及時(shí)處理是預(yù)防和控制疾病傳播的關(guān)鍵。計(jì)算機(jī)視覺技術(shù)可以通過對甲殼動(dòng)物圖像的分析和比對，發(fā)現(xiàn)異常癥狀和病征。通過建立疾病診斷模型，可以實(shí)現(xiàn)對蝦蟹疾病的自動(dòng)化識別和預(yù)測，及時(shí)采取相應(yīng)的治療和防控措施，保障養(yǎng)殖的穩(wěn)定和健康。

7 結(jié)語

計(jì)算機(jī)視覺技術(shù)在蝦蟹類養(yǎng)殖中的應(yīng)用為養(yǎng)殖業(yè)注入了新的活力和可能性。通過自動(dòng)化監(jiān)測和管理，能夠更精確地了解蝦蟹的生長狀態(tài)、行為特征和健康狀況，有效提高生產(chǎn)效率、降低成本，并保障養(yǎng)殖系統(tǒng)的穩(wěn)定運(yùn)行。然而，也應(yīng)該意識到技術(shù)發(fā)展的同時(shí)，還需關(guān)注數(shù)據(jù)隱私、環(huán)境保護(hù)等問題，確保技術(shù)應(yīng)用的可持續(xù)性和社會(huì)責(zé)任。未來，隨著技術(shù)的不斷進(jìn)步和應(yīng)用場景的拓展，計(jì)算機(jī)視覺技術(shù)將在蝦蟹養(yǎng)殖領(lǐng)域發(fā)揮越來越重要的作用，為行業(yè)的可持續(xù)發(fā)展和智能化升級提供強(qiáng)有力的支撐。

參考文獻(xiàn)：

[1]趙德安，劉曉洋，孫月平，等.基于機(jī)器視覺的水下河蟹識別方法[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2019，50（3）：151-158.

[2]陳子文，李卓璐，楊志鵬，等.基于YOLOv5的工廠化養(yǎng)殖蝦目標(biāo)檢測方法研究[J].海洋漁業(yè)，2022，44（5）：610-620.

[3]YEH C T， LING M S. Portable Device for Ornamental Shrimp Counting Using Unsupervised Machine Learning [J]. Sensors amp; Materials， 2021，33（9 Pt.1）： 3027-3036.

[4]楊國偉，周超，胡起立，等.基于殘差模塊的紅螯螯蝦蝦卵計(jì)數(shù)方法的研究[J].漁業(yè)現(xiàn)代化，2022， 49（4）：60-69.

[5]王斌，徐建瑜，王春琳.基于計(jì)算機(jī)視覺的梭子蟹蛻殼檢測及不同背景對蛻殼的影響[J].漁業(yè)現(xiàn)代化，2016， 43（2）：11-16.

[6]楊浩康，牛馨樂，何航宇.計(jì)算機(jī)視覺在對蝦養(yǎng)殖業(yè)的應(yīng)用實(shí)踐[J].電子產(chǎn)品世界，2022，29（5）：46-50.

[7]張帆.基于計(jì)算機(jī)視覺的水下蟹苗信息采集系統(tǒng)研究[D].寧波：寧波大學(xué)，2017.

[8]汪峰.基于計(jì)算機(jī)視覺的蝦苗活力分析研究[D].上海：上海海洋大學(xué)，2023.

[9]段作棟.基于主動(dòng)視覺的河蟹運(yùn)動(dòng)分析方法研究[D].濟(jì)南：山東農(nóng)業(yè)大學(xué)，2016.

Application of computer vision technology in shrimp and crab culture

GAN Lu

（Liaoning confidential cryptography technical support center， Shenyang 110866， Liaoning China）

Abstract：The application of computer vision technology in shrimp and crab culture has great potential and market demand. Through image processing and analysis， the technology can realize automatic monitoring and management of shrimp and crabs， improve production efficiency， optimize breeding environment， reduce operating costs and effectively manage disease risks， so as to improve breeding quality and economic benefits. This paper reviews the latest progress of computer vision in shrimp and crab aquaculture， including the identification and counting of shrimp and crab， behavior monitoring， feeding management， breeding monitoring and disease diagnosis. These methods and technologies can provide breeders with more accurate information and contribute to the modernization and sustainable development of the breeding industry.

Keywords：computer vision; aquaculture; shrimp and crabs

作者簡介：甘露（1988.7- ），女，助理工程師。主要從事計(jì)算機(jī)網(wǎng)絡(luò)安全工程與管理工作。E-mail：769079799@qq.com。