欧利国，王冰妍，刘必林,3,4,5,6*，陈新军,3,4,5,6，陈勇，吴峰，刘攀

( 1. 上海海洋大学 海洋科学学院，上海 201306；2. 上海海洋大学 信息学院，上海 201306；3. 大洋渔业资源可持续开发教育部重点实验室，上海 201306；4. 国家远洋渔业工程技术研究中心，上海 201306；5. 农业农村部大洋渔业开发重点实验室，上海 201306；6. 农业农村部大洋渔业资源环境科学观测实验站，上海 201306)

1 引言

计算机视觉是让计算机能够像人一样，通过视觉去认识和了解世界，并具有获取和处理信息的能力[1]。近年来，随着人工智能的迅速发展，其计算机视觉技术在鱼类生物学研究中也得到了广泛应用，例如测量性状指标[2-3]、计算鱼类数[4]、鱼种分类[5]、种类识别[6]、疾病检测[7]等。测量性状指标主要有测量鱼类形态指标[2]和测量鱼体重量指标[3]等。其中，形态指标[8]作为鱼类生物学研究的基础数据，其数据的测量效果直接影响到其他相关研究应用。计算机视觉技术对测量鱼类形态指标具有自动化和批量化的处理能力，可以降低人工测量误差以及使测量的数据具有客观性和可重复性[9-10]。目前，计算机视觉技术对二维鱼类图像的形态指标自动测量主要分为线性测量和非线性测量。线性测量[10-11]是当测量鱼体部位较为笔直时，鱼类长度可通过鱼体像素长度和参考比例之间的关系进行计算，从而进行形态指标的自动测量。而非线性测量[12-13]是当测量鱼类部位是弯曲的时，通过鱼体弯曲部位的长度进行选取其对应宽度的中点，并对若干个中点进行连线计算其长度。……