导语：近几十年来，水产养殖业，特别是鲑鱼养殖业得到了迅猛发展。然而，这种增长也带来了独特的挑战，特别是在集约化养殖环境中监测鱼类福利方面。

利用新技术，人们可以观察每条鱼，并在疾病症状出现之前很久就获得有关鱼的健康状况的信息。照片：Espen Berntzen Høgstedt。

近几十年来，水产养殖业，特别是鲑鱼养殖业得到了迅猛发展。然而，这种增长也带来了独特的挑战，特别是在集约化养殖环境中监测鱼类福利方面。

例如，在挪威的海水网箱中，单个结构中最多可以容纳 200,000 条鲑鱼，因此单独观察极其困难。幸运的是，计算机视觉正在成为克服这些障碍的有力工具，能够持续、自动、非侵入式地监测鱼类的健康状况。

挪威科技大学、挪威生命科学大学 (NMBU) 和 SINTEF Ocean 的研究人员利用摄像技术结合人工智能来监测和分析单个鱼的呼吸频率。

为什么监测鱼类福利很重要？

鱼类福利不仅仅是一个道德问题。受到压力或生病的鱼生长得更慢，更容易患病，而且肉质也更差。监测他们的健康状况可以让农民采取预防和纠正措施，优化生产并减少损失。

SINTEF 研究员 Christian Schellewald 说：“鱼的呼吸频率很重要，因为它为我们提供了有关其健康状况的宝贵信息。”

计算机视觉来拯救你

计算机视觉使用摄像头和人工智能算法来分析图像和视频，提取有关鱼的有价值的信息。计算机视觉提供了一种客观且可扩展的解决方案，无需依赖昂贵、费力且主观的人工观察。

人们希望这项技术能够使鲑鱼得到更人道的对待，减少处理、减少干预并降低死亡率。该研究最近发表在两篇科学文章中。

它是如何工作的？

水产养殖的计算机视觉系统一般由几个模块组成：

检测和跟踪：深度神经网络用于检测水下视频中的单个鱼并跟踪它们随时间的运动。这对于分析每条鱼随时间的变化行为至关重要。

特征分析：算法分析鱼的身体和行为特征，例如呼吸频率、张嘴情况、是否有伤口或畸形以及游泳速度。

呼吸频率的估计：一种创新方法是分析鱼的嘴部运动来估计其呼吸频率。这是通过光流分析实现的，光流分析测量视频连续帧之间物体的视在运动。这种方法可以非侵入性地测量鱼的通气量，这是其代谢和压力状态的关键指标。

重新识别：利用独特特征（例如鱼皮中的黑色素图案）随着时间的推移重新识别个体。这样就可以长期监测每条鱼的健康状况。

应用示例

SaBRE（鲑鱼呼吸速率估计）：该系统使用计算机视觉通过监测鲑鱼对环境变化（例如水中溶解氧减少或存在干扰）的反应来估计单个鲑鱼的呼吸速率。实验表明，呼吸频率和氧气含量呈负相关，并且在应对压力事件时呼吸频率会增加。

张口监测：另一种方法是测量鲑鱼张口的频率作为其通气率的指标。该方法使用物体检测网络来识别鲑鱼的特定特征，例如头部、眼睛、鼻子和嘴巴，然后对鼻子区域应用光流分析来评估通风率。

鱼的呼吸

“我们可以使用算法来识别鱼并同时分析它们的呼吸运动，” Schellewald 解释道。

他解释说，如果能看到鱼的嘴，摄像技术就能够观察鱼的呼吸。因此，拍摄鱼时都是水平的，也就是从侧面拍摄。

主要焦点是鱼的鼻子，它随着上下颌的张开和闭合而移动。

“我们发现，较低的氧气水平会导致鲑鱼呼吸得更快。当我们提高水温时，我们观察到同样的反应。“压力还会导致呼吸频率增加，”NMBU 行为生物学家 Judit Vas 说。

该技术为研究人员提供了一种“数字眼”，使他们能够同时监测多条鱼。这很重要，因为它为他们提供了更多的数据。

对水产养殖业的影响

该研究项目的目的是提高我们对不同环境条件下鱼类福利的了解。

Schellewald 说：“通过让饲养者和研究人员监测和分析单条鱼的呼吸频率，该技术可以帮助提高养殖鲑鱼的质量。”

“鱼可能有明显的伤口或其他损伤，但在这种情况下鱼已经受伤了。能够在早期阶段检测出警告信号将代表该行业的重大进步。反过来，这可能会减少药物使用、减少干预并降低死亡率，”瓦斯说，他的工作引起了人们对该行业的广泛兴趣。

根据研究，计算机视觉对水产养殖业有几个重要意义：

加强对鱼类福利的监测。计算机视觉可以持续、自动地监测鱼类的行为和健康状况，使渔民能够快速识别和解决福利问题。这对于鲑鱼养殖场尤其重要，因为那里鱼的数量很多，单独观察很困难。

及早发现健康问题。通过分析计算机视觉数据，养鱼户可以识别鱼类疾病或压力的早期迹象，从而采取预防措施并减少损失。例如，呼吸频率的变化可能表明缺氧或鳃病。

优化培养条件。计算机视觉可以帮助养鱼户优化养殖条件，促进鱼类的生长和福利。例如，监测溶解氧水平和水温，以及计算机视觉数据，可以帮助养鱼户调整环境参数，以确保鱼类的最佳生存条件。

减少对人类观察的依赖。计算机视觉减少了人工观察的需要，而人工观察是昂贵、费力且主观的。这使得养鱼户能够更有效、更准确地监测鱼类种群。

提高饲料效率。计算机视觉可用于监测鱼的喂养行为，帮助农民优化喂养率并减少浪费。

提高可持续性。通过改善鱼类福利和优化养殖条件，计算机视觉可以促进更可持续的水产养殖。随着水产养殖业寻求满足全球日益增长的海鲜需求，这一点变得越来越重要。

经济可行性。机器视觉与机器学习相结合，为自动化、非侵入式鲑鱼观察提供了一种经济高效的解决方案。

挑战与未来

尽管计算机视觉在水产养殖领域具有巨大潜力，但它仍面临着诸如光照条件变化、水的浑浊度和鱼重叠等挑战。然而，深度学习算法的进步和更强大的水下相机的发展正在克服这些障碍。

未来，计算机视觉有望在水产养殖业中发挥更重要的作用，实现早期发现疾病、优化饲料和全面改善鱼类福利。这项技术有可能将水产养殖业转变为更高效、可持续和更道德的行业。

结论

计算机视觉是监测水产养殖鱼类福利的一种有前途且越来越重要的工具。它可以对大量鱼群进行自动、连续和非侵入式的观察，克服了基于人工观察的传统方法的局限性。

呼吸频率分析（无论是通过颌骨还是鳃盖运动）是鱼类福利和健康状况的关键指标。计算机视觉可以客观、连续地测量该参数，有助于及早发现压力、缺氧或鳃病等问题。

尽管取得了进步，水产养殖中的计算机视觉仍然面临挑战，例如多变的光照条件、水的浑浊度以及需要强大的算法来跟踪单个鱼。然而，新技术的持续研究和开发正在克服这些障碍。

计算机视觉系统在水产养殖中的成功实施有可能显著提高该行业的效率、可持续性和道德。通过提供有关鱼类状况的宝贵信息，该技术使养鱼户能够优化养殖条件、减少损失并改善整体动物福利。