张方言，赵 梦，周弈志，胥婧雯，李海清，程思奇，吴俊峰，于 红

(1 大连海洋大学信息工程学院，辽宁 大连 116023；2 设施渔业教育部重点实验室，辽宁 大连 116023；3 辽宁省海洋信息技术重点实验室，辽宁 大连 116023)

红鳍东方鲀(Takifugurubripes)是一种名贵的海水鱼，是近年来工厂化循环水养殖的主要品种。随着养殖规模不断扩大和养殖密度不断提高，病害问题时有发生，如果不能及时检测病鱼，将会导致疾病蔓延，给养殖企业带来巨大的经济损失[1-2]。

红鳍东方鲀受细菌感染后会在皮肤表面出现变色或腐烂等现象[3]，传统的红鳍东方鲀病鱼检测主要通过养殖技术人员人工观察进行判断，一方面耗费人力，另一方面不能保证及时性和准确性。随着人工智能技术的发展，机器视觉在鱼类检测方面得到了广泛的应用[4-6]。孟祥辉等[7]提出了一种基于机器视觉的养殖大黄鱼弧菌病检测技术，对大黄鱼的图像信息进行处理，把大黄鱼的颜色空间转换到HSV或者HIS空间，提取大黄鱼的图像颜色直方图，最后通过分析颜色直方图发现病鱼。胡静等[8]提出一种基于机器视觉的鲤科病鱼图像快速处理方法，通过对病鱼皮肤图像进行特征提取和鱼类常见病病斑图像分割，从而设计出一种病鱼彩色图像快速处理方法。这两项工作均采用传统的机器视觉方法进行病鱼检测，检测的准确率不够高。随着深度学习的发展，深度学习在目标检测[9-11]方面取得了显著的成效。Chen等[12]提出的基于深度学习的自动鱼类分类系统，在鱼类分类中取得了良好的成效；……