陈雨琦，冯德军，桂福坤，曲晓玉

（1.浙江海洋大学国家海洋设施养殖工程技术研究中心，舟山 316022；2.浙江海洋大学水产学院，舟山 316022）

0 引 言

世界粮农组织（FAO）于2020年的统计报告中指出，2018年全球鱼类产量达到1.79亿t，其中8 200 万t来自水产养殖，价值 2 500亿美元；占水产品总量的46%，占人类鱼类食用量的 52%[1]。工厂化养殖模式作为一种高效养殖模式，近年来得到了越来越多的重视[2]。截止2019年底，中国工厂化水产养殖面积达到3 515 万m3，工厂化水产养殖产量达226 405 t[3]。而在鱼类的养殖中，饵料支出约占总成本的 50%～80%[4]，是最主要的可变成本，因此饵料的精准投喂在经济方面具有重大意义。此外，过量饲料投喂不仅会影响鱼类的正常生长，还会造成水体污染，引起鱼类的疾病[5]。而现阶段饵料的投喂基本依据养殖人员的经验判断鱼类摄食的饵料需求量，主观性强，一致性差[6-7]。

为实现工厂化养殖环境中的精准投喂，需要对鱼类摄食行为进行更精确的分析与判断。关于鱼类摄食行为的研究方法主要有高频声呐、声学标签[8-9]及计算机视觉技术等，其中计算机视觉技术（Computer View，CV）为一种非入侵式且稳定性较好的观察技术，在水产养殖领域有广泛的应用[10]。王文静等[11]通过图像处理技术测量鱼面积，建立拟合模型实现对水下鲆鲽鱼类的质量估计；穆春华等[12]通过计算机视觉技术结合机器学习的方法，对分割所得残饵分辨前景进行6种不同特征提取并分类，实现对循环水养殖系统的残饵、粪便的识别；杨杰超等[13]基于计算机视觉提出了在复杂背景下针对大黄鱼个体信息提取的方法。……