深度学习在鱼类识别、计数、追踪方面的应用研究进展

来源：大连海洋大学学报杂志2024年第5期北京时间：

作者：徐文杰, 方辉, 杨胜龙, 张胜茂, 石永闯, 吴祖立, 俞圣池, 熊鑫泉, 杨浩东, 戴阳

单位：1.上海海洋大学 信息学院，上海 201306；2.中国水产科学研究院东海水产研究所 农业农村部远洋与极地渔业创新重点实验室，上海 200090；3.崂山实验室，区域海洋动力学与数值模拟功能实验室，山东 青岛 266237

摘要：人工识别鱼类的方法需要直接接触鱼体，传统机器学习方法需要人工提取特征并设计图像向量化方法，而深度学习方法能够从输入数据中获得高级特征，进而挖掘数据的分布规律。使用深度学习方法识别鱼类能够解放人力、规避主观识别的倾向性、减少鱼类应激反应，对发展智慧渔业和精准养殖有积极推动作用。本研究综述了深度学习在鱼类识别任务上的应用研究，针对研究中遇到的识别问题，提出未来应推广统一的成果检测标准以明确研究方向，不断提高应用研究水平以扩展实用性更强和智能化更高的应用任务，解决设备和模型间的接口兼容问题以增强科研人员在设备和模型选择上的灵活性，以期为使用深度学习方法研究鱼类识别任务提参考依据。

关键词：鱼类识别,深度学习,数据集

基金资助：国家重点研发计划(2023YFD2401304)；崂山实验室科技创新项目(LSKJ202201801)资助；上海市2020年度科技创新行动计划社会发展科技攻关项目(20dz1206400)