自動(dòng)實(shí)時(shí)探測(cè)水下魚類目標(biāo)是評(píng)估漁業(yè)資源、制定最優(yōu)生產(chǎn)策略的前提和關(guān)鍵。機(jī)器視覺和人工智能技術(shù)為魚類目標(biāo)探測(cè)提供了行之有效的技術(shù)手段。但由于復(fù)雜水下光照環(huán)境、不受控的魚類運(yùn)動(dòng)等難題，傳統(tǒng)方法不能滿足真實(shí)水下檢測(cè)需求。

 

　　北京農(nóng)業(yè)信息技術(shù)研究中心周超博士等圍繞上述問題開展了相關(guān)研究，提出了一種新的基于復(fù)合主干網(wǎng)絡(luò)（CBresnet）和增強(qiáng)路徑聚合網(wǎng)絡(luò)（EPANet）的復(fù)合魚類探測(cè)框架（Composited FishNet），用于學(xué)習(xí)由圖像亮度、海底結(jié)構(gòu)，以及魚方位、形狀和紋理差異而導(dǎo)致的場(chǎng)景變化信息（源域風(fēng)格），從而減少了環(huán)境對(duì)目標(biāo)特征的干擾，提高了探測(cè)目標(biāo)特征信息的利用率。此外，還改進(jìn)并設(shè)計(jì)了一種EPANet，解決了線性上采樣方式帶來的語義信息利用不足問題，促進(jìn)了高低級(jí)特征信息的融合?？捎糜诤Ｑ?，水產(chǎn)養(yǎng)殖等復(fù)雜水下環(huán)境的魚類檢測(cè)與識(shí)別。

 

　　以上研究已在圖像處理領(lǐng)域國際期刊IEEE Transactions on Image Processing（CCF A類推薦期刊，IF：9.34）上在線發(fā)表（DOI：10.1109/TIP.2021.3074738）。該研究受國家重點(diǎn)研發(fā)計(jì)劃課題（2019YFD0901004），北京市自然科學(xué)基金項(xiàng)目（6212007），以及北京市農(nóng)林科學(xué)院青年基金項(xiàng)目（QNJJ202014）聯(lián)合資助。