基于计算机视觉的鱼类目标状态监测方法研究.pdfVIP

基于计算机视觉的鱼类目标状态监测方法研究

摘要

随着深度学习和水下双目视觉技术的飞速进展，鱼类养殖正逐渐实现智能化和集约

化，这对鱼类资源管理提出了全新的挑战。鱼体长度被视为鱼类的关键视觉特征，它不

仅是评估鱼体重量和年龄等参数的关键依据，还是水产品质量评级的重要标准。计算机

视觉技术凭借其高精度、快速和非接触的特性，广泛用于鱼类目标状态监测。本文探究

了养殖水槽环境下，对鱼类目标的状态监测方法。研究采用计算机视觉技术进行鱼类状

态分析，侧重分析了养殖环境中鱼体长度及游动速度的估计方法，以此来判断其健康状

况。研究内容包括：

解决水下双目相机的折射和畸变问题，通过对双目相机进行精确的相机标定和位置

校准，结合SGBM立体匹配算法实现了对水下鱼类行为的精确三维重构。针对双目相机

在水下使用时存在的图像清晰度较低、可视距离较短的问题，分析水下成像衰减原因，

建立水下图像成像模型，模拟水下图像衰减情况，生成水下风格图像，再利用U-net网

络对水下风格图像进行复原，实现水下图像清晰化处理。

针对水下养殖网箱内鱼类目标状态监测的需要，研究水下鱼类关键点检测算法，构

建鱼体关键点检测数据集，采用Yolov8关键点检测算法进行水下鱼体关键点坐标提取，

关联Bytetrack多目标跟踪算法实现鱼类目标游动轨迹跟踪，研究鱼体长度和游动速度

的估计方法。

针对客户端使用需求，设计鱼类目标状态监测系统界面，进行需求分析与系统设计，

对系统进行分模块设计，保证系统的简洁性和可操作性。在水下养殖水槽环境中，对系

统及鱼体长度和游动速度估计方法进行试验，证明本文算法对鱼类目标状态监测的准确

性和可靠性。

关键词：双目立体匹配；深度学习；图像增强；关键点检测

基于计算机视觉的鱼类目标状态监测方法研究

Abstract

Withtherapidadvancementsindeeplearningandunderwaterbinocularvisiontechnology,

fishfarmingisgraduallybecomingmoreintelligentandintensive,presentingnewchallenges

forfishresourcemanagement.Fishbodylengthisconsideredakeyvisualfeature,servingasa

criticalbasisforassessingparameterssuchasfishweightandage,anditisalsoanimportant

standardforseafoodqualityrating.Duetoitshighprecision,speed,andnon-contactnature,

computervisiontechnologyiswidelyusedformonitoringthestatusoffish.Thispaperexplores

methodsformonitoringthestatusoffishinaquaculturetankenvironments.Thestudyemploys

computervisiontechnologyforfishstatusanalysis,focusingonmethodsforestimatingfish

bodylengthandswimmingspeedintheaquacultureenvironmenttoassesstheirhealthstatus.

Theresearchincludes:

Addressingtheissuesofrefractionanddistortioninunderwaterbinocularcamerasthrough

precisecameracalibrationandpositionalignment,combinedwiththeSGB