計算機視覺技術在蝦蟹類養殖中的應用

摘" 要：計算機視覺技術在蝦蟹類養殖中的應用具有巨大潛力和市場需求。通過圖像處理和分析，該技術可以實現蝦蟹類的自動化監測和管理，提高生產效率、優化養殖環境、降低運營成本和有效管理病害風險，從而提高養殖產品質量和經濟效益。文章回顧了計算機視覺在蝦蟹類水產養殖中的最新進展，包括養殖蝦蟹的識別和計數、行為監控、投喂管理、繁殖監控和疾病診斷等方面的應用。這些方法和技術可以為養殖者提供更精確的信息，有助于提高養殖業的現代化水平和可持續發展。

關鍵詞：計算機視覺；水產養殖；蝦蟹類

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

蝦蟹類養殖作為水產養殖的重要分支，在我國具有廣闊的發展空間和巨大的市場需求。目前圍繞蝦蟹類健康養殖的研究較多，但大多都側重于養殖動物的基礎生物學領域，對于了解動物行為和監控類的研究較少。并且傳統的手動檢測蝦蟹類行為的方法存在著耗時高和準確率低等問題。因此，越來越多的關注點開始轉向利用聲學技術、機器視覺和傳感器等自動化方法，根據生長情況自動監測蝦蟹類行為的變化。通過圖像處理和分析等方法，計算機視覺技術能夠實現對蝦蟹的自動化監測和管理，從而提高生產效率、優化養殖環境、降低運營成本，并有效應對疾病風險，提升養殖質量和經濟效益。這種技術的應用不僅提高了養殖業的現代化水平，也為行業可持續發展奠定了堅實基礎。

1 養殖蝦蟹的識別和計數

在蝦、蟹養殖池塘中，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物均有存在。這些生物種類的數量和分布情況對養殖管理和生產效率有著直接的影響。因此，利用計算機視覺技術進行識別和計數不僅解決了傳統人工計數的測量誤差和耗時費力的問題，還可以更好地了解養殖池塘的生態系統結構，科學調整放養密度、投喂量和養殖方式，最大限度地提高養殖效益，減輕養殖人員的工作負擔。

趙德安等人提出了基于機器視覺的水下小規格河蟹識別方法，通過優化Retinex算法提高圖像對比度和細節，修改YOLOv3模型并訓練自建數據集，實現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%，識別準確率為96.65%，召回率為91.30%，且在識別速率上具有較高實時性和應用價值[1]。但對水下小規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框架的養殖蝦類檢測方法，通過自適應圖片裁切預處理算法提高目標檢測準確度，在高分辨率圖像下實現對工廠化循環水養殖系統的蝦進行準確識別與計數，達到了92.55%的識別準確率、98.78%的召回率和97.5%的平均精度均值[2]。

國外學者YEH研究了不同品種和外觀的蝦的計數方法。為解決計數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，這是一種無監督機器學習方法。具體地說，他們將檢測到的斑點輪廓分為兩個集群，分別代表單只蝦和多只蝦，并通過區域面積確定蝦的數量，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行了數量統計，平均計數準確率超過96%[3]。楊國偉等人基于殘差模塊的計算機視覺蝦卵計數模型在紅螯螯蝦人工繁育中表現出高精度（98.88%）、低誤差和優質的預測密度圖，為解決密集蝦卵計數難題提供了新方法，可用于真實場景中的自動計數裝置[4]。

2 生長監控

在蝦蟹類養殖過程中，定期檢測蝦蟹的規格、重量等是至關重要的任務。傳統的捕撈檢測方法可能會對蝦蟹造成損傷，影響它們的生長發育。然而，利用計算機視覺技術的圖像測量技術可以有效解決這一問題。通過對校正后的蝦蟹圖像進行處理，包括去噪、二值化和分割等步驟，可以準確獲取蝦蟹的規格大小、眼部位置、尾部位置等信息。大量試驗數據表明，計算機圖像測量技術與人工測量相比，蝦蟹的實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中都得到了驗證。

王斌研究通過連續拍攝不同背景下的三疣梭子蟹蛻殼行為，并利用計算機視覺技術成功實現了對無沙背景和有沙背景下蛻殼行為的自動檢測，發現藍色有沙背景下的梭子蟹蛻殼時間縮短且更集中，表明有沙背景更適合梭子蟹的蛻殼行為[5]。楊浩康等人設計了一種基于YOLOv5深度學習模型和雙目攝像頭的機器視覺系統，可對蝦體生長及生長率進行實時監測和分析，以降低蝦類養殖場的死亡率、減輕養殖人員的體力勞動，提高智慧化水平，具有重要的實用價值和社會效益[6]。

3 行為監控

蝦蟹作為水生動物，也會表現出不同的行為特征，例如在水體溶解氧不足或受到疾病影響時會出現運動遲緩或異常的情況。傳統的觀察方法難以實現對水生動物行為的快速準確監測，而計算機視覺技術則可以通過視頻監控系統直觀地捕捉蝦蟹的行為變化。

例如，利用計算機視覺技術可以檢測蝦蟹的游動速度、運動方向和姿態，對異常行為進行實時監測和識別。此外，計算機視覺技術還可以結合自動報警系統，及時發現蝦蟹的異常行為，如運動遲緩或不適狀況，從而提高養殖管理的效率和精準性。張帆通過視頻采集系統獲取蝦苗應激前后的行為數據，進行圖像預處理和特征提取，最終建立了基于XGBoost+RFE的蝦苗活力識別模型，結合動靜參數來量化蝦苗的活力，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，可以有效反映蟹苗的健康狀態，實驗結果顯示估計方法的正確率高達93.95%[8]。

段作棟針對河蟹在低照度條件下的視頻目標檢測、圖像特征提取和運動跟蹤等問題，提出了一系列計算機視覺運動分析方法。主要創新包括基于改進Retinex算法和頻率調諧顯著性估計算法的低照度河蟹目標檢測方法，利用圖割算法實現河蟹蟹殼區域的精細分割，提出基于蟹殼區域像素數量特征的河蟹重量估計方法，并改進Camshift河蟹視頻目標運動跟蹤算法。實驗結果表明，這些方法在低照度條件下能夠有效地實現河蟹目標檢測、分割、重量估計和運動跟蹤，具有較高的準確性和實用性[9]。

采用計算機視覺技術不僅可以減少人力成本和時間成本，還可以提升監測的及時性和準確性，對于保障蝦蟹養殖的健康和穩定性具有重要意義。

4 飼喂監控

投餌飼喂在蝦蟹類養殖中扮演著重要角色，可能占據甲殼類養殖預算的大部分。精準控制投餌過程可以有效降低飼養成本，減少殘餌量，改善水體環境，有利于養殖動物的健康。利用計算機視覺技術來管理投餌，可以精確控制餌料投放量，同時監測動物的聚集情況，評估餌料利用情況，為養殖管理提供重要信息。

目前，學者們主要通過計算機視覺和被動聲學來識別動物的進食行為。未來的研究應該關注更多反映投喂變化的行為指標，如活動節奏、姿勢和位置，并借助更多類型的傳感器間接監測動物的進食行為。雖然傳統的喂養表和時間表是準確的飼養方法，但自動飼養行為識別可以更精確地控制投餌時機，提高飼料轉化率，降低成本。

5 繁殖監控

蝦蟹類的繁殖行為在整個生命周期中扮演著重要角色。這個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、進行交配行為、產卵和孵化等動作。這些行為的持續時間可以因物種、環境條件和季節而異。這些繁殖行為對于種群的繁衍和生態系統的穩定都具有重要意義，因此也是監控和研究的基礎。為了有效提高蝦蟹類的產量和幼蟲質量，需要對繁殖行為進行準確分析。而現有的人工觀察方法效率低下，無法滿足精細化監測的要求。因此，計算機視覺技術的應用顯得尤為重要。

通過自動化監控，可以有效地分析繁殖行為并提高監測的準確度和精密度。計算機視覺技術能夠實現對復雜和難以監測的甲殼類動物行為的自動化監測，為養殖者和信息技術人員提供了新的監測手段和思路，有助于進一步提高智能化水平，提升水產養殖的效率和質量。

6 疾病診斷

蝦蟹養殖中常常面臨疾病暴發的風險，而早期診斷和及時處理是預防和控制疾病傳播的關鍵。計算機視覺技術可以通過對甲殼動物圖像的分析和比對，發現異常癥狀和病征。通過建立疾病診斷模型，可以實現對蝦蟹疾病的自動化識別和預測，及時采取相應的治療和防控措施，保障養殖的穩定和健康。

7 結語

計算機視覺技術在蝦蟹類養殖中的應用為養殖業注入了新的活力和可能性。通過自動化監測和管理，能夠更精確地了解蝦蟹的生長狀態、行為特征和健康狀況，有效提高生產效率、降低成本，并保障養殖系統的穩定運行。然而，也應該意識到技術發展的同時，還需關注數據隱私、環境保護等問題，確保技術應用的可持續性和社會責任。未來，隨著技術的不斷進步和應用場景的拓展，計算機視覺技術將在蝦蟹養殖領域發揮越來越重要的作用，為行業的可持續發展和智能化升級提供強有力的支撐。

參考文獻：

[1]趙德安，劉曉洋，孫月平，等.基于機器視覺的水下河蟹識別方法[J].農業機械學報，2019，50（3）：151-158.

[2]陳子文，李卓璐，楊志鵬，等.基于YOLOv5的工廠化養殖蝦目標檢測方法研究[J].海洋漁業，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數方法的研究[J].漁業現代化，2022， 49（4）：60-69.

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

[6]楊浩康，牛馨樂，何航宇.計算機視覺在對蝦養殖業的應用實踐[J].電子產品世界，2022，29（5）：46-50.

[7]張帆.基于計算機視覺的水下蟹苗信息采集系統研究[D].寧波：寧波大學，2017.

[8]汪峰.基于計算機視覺的蝦苗活力分析研究[D].上海：上海海洋大學，2023.

[9]段作棟.基于主動視覺的河蟹運動分析方法研究[D].濟南：山東農業大學，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。主要從事計算機網絡安全工程與管理工作。E-mail：769079799@qq.com。