工厂化循环水养殖模式（Recirculating Aquaculture System,RAS）作为一种新型养殖模式,不仅能够摆脱地域、气候等自然资源的限制,而且可以循环利用养殖水资源,污染少效益高,是实现水产养殖业可持续发展的重要途径。由于RAS的养殖密度普遍较高,养殖周期相对较短,因此饵料成本与投喂成本能够占到养殖总成本的60%以上。针对养殖过程中最重要的投喂环节,如何实现智能化的精准适量投喂,提高投喂效率,降低人工投喂成本是行业发展当前面临的重大挑战。为此,本文借助重庆工商大学国家智能制造服务国际科技合作基地所搭建的RAS真实试验平台,以淡水石斑鱼（Cichlasoma managuense）为主要对象,采用图像边缘检测、目标检测等计算机视觉关键技术,提出一套服务于RAS的智能投喂管理决策方法。本文所开展的研究工作主要包括以下三个方面:第一,本文对投喂视频样本进行预处理,建立图片样本库。首先,通过循环水养殖池上方预置的视频采集硬件对2021年9月15日至10月15日的淡水石斑鱼人工投喂视频进行采集。其次,采用基于视频内容帧间差分的关键帧提取算法对投喂视频进行预处理,建立包含24000张投喂图像的原始图像数据集。最后,根据石斑鱼体长测算方法、水体残饵状态分析方法以及鱼群摄食频率检测方法的研究需要,分别挑选相应数量的图像数据集进行预处理与人工标记,建立图片样本库。第二,本文采用Canny边缘检测算法,构建鱼群生长状态测算方法。首先,提出了基于边缘检测的淡水石斑鱼体长测算方法,使用Canny算子对数据集图像进行透视变换,通过HSV值识别养殖池中心排污管作为长度“参照物”,使用Canny算子检测中心排污管的轮廓和淡水石斑鱼标记框,将石斑鱼标记框顶点坐标结合中心排污管坐标和实际长度构建转换函数,得到石斑鱼实际体长。其次,提出了基于回归分析的鱼群体重测算方法,采用人工测量方式获取320组淡水石斑鱼的体长和体重数据,利用SPSS软件进行曲线回归分析,拟合多个曲线后得到幂函数的拟合优度最高,根据幂函数曲线得到淡水石斑鱼体长—体重关系式,并与实际的10组体长体重数据进行对比,平均误差率约为4.56%。最后,结合淡水石斑鱼体长测算方法与体长—体重关系式提出了鱼群体重测算方法,通过不同数量的图像数据集输出结果测算平均体长,进而预测鱼群体重。在图像数据集为1000张时,对比鱼群实际重量,预测准确率约为87%。第三,本文基于卷积神经网络理论,建立鱼群精准投喂决策模型。首先,提出了水体残饵状态分析方法,在预先建立好的数据集基础上,利用改进后的VGG16网络进行训练与预测,模型训练在8个epoch达到最优,AP值约为0.917,AUC值约为0.93。其次,提出了鱼群摄食频率检测方法,在预先标记好的图像数据集基础上,利用YOLOv5s网络进行训练与预测,模型训练在60个epoch达到最优,m AP值约为0.954。最后,结合鱼群体重、水体残饵状态分析方法、鱼群摄食频率检测方法,构建了鱼群精准投喂决策模型,采用SPSS软件对人工投喂实验得到的40组投喂量和摄食频率进行曲线拟合,得到投喂量和投喂频率的关系式,并设计了投喂决策判断流程图。在30天的投喂对比实验中,采用人工模拟投喂方法对精准投喂决策进行模拟,对比传统人工定时定量的投喂方式,在鱼群增重率近似的情况下,人工模拟精准投喂决策的投喂方式30天累积的残饵量比传统人工投喂方式减少了约360g,累积残饵量约为传统人工投喂方式的36.56%。本文通过在RAS真实试验平台上的视频采集及投喂实验,构建了基于视觉感知的精准投喂决策模型,以探究在RAS养殖场景下的智能化投喂管理决策方法。本研究有利于提高工厂化循环水养殖投喂管理决策的水平,同时也能够为后续水产养殖中投喂管理决策的智能化研究提供新思路。