论文部分内容阅读
金枪鱼渔业作为“远洋渔业的黄金产业”,长期以来备受国家关注。通过国家不断投入资源拓展和生产规模,中国大陆的金枪鱼围网渔业在最初的13年里得到迅猛发展。2013年,中国大陆在中西太平洋已有14艘金枪鱼围网船,捕捞产量达8.1万吨,占中西太平洋总产量的5.1%。但在其快速发展的同时,遇到一些问题,渔船现代化水平不高、捕捞技术研究有待加强,再加上国际金枪鱼价格持续下滑,入渔成本按作业天数计算使金枪鱼围网船作业单价大幅上涨,中西太平洋渔业管理组织针对金枪鱼资源现状,对围网船只作业实施更加严格的管理方法等,导致我国大陆中西太平洋金枪鱼围网捕捞产量持续下滑,在2018年降至1.4万吨。使我国中西太平洋金枪鱼围网渔业面临严峻的挑战。对于如何改善渔船生产方式,加强金枪鱼围网作业的高效率捕捞成为了中国围网渔业生产和管理者重点考虑和关注的问题。通过研究金枪鱼围网渔业的捕捞情况发现,FADs禁渔期延长以后,中国金枪鱼围网船队对鱼群的平均搜索时间大幅增加,这说明我国围网船队不熟悉自由鱼群分布的时空变化规律,以致渔船无法快速寻找和发现鱼群,如果找不到鱼群,围网作业将无法进行,只能在大洋中四处“游荡”,成本消耗巨大。而传统的渔情搜索方法主要靠肉眼长时间使用望远镜瞭望、高处塔台瞭望搜寻金枪鱼鱼群,更有甚者不惜高价租赁载人直升机巡察金枪鱼鱼群,这种方式不仅费时费力,且代价高昂。为提高搜索金枪鱼鱼群的效率,降低寻鱼的成本,研究基于深度学习的鱼群目标识别对金枪鱼围网渔业具有重要意义。该识别技术可以运行于无人机机载计算机,以图象识别技术来代替传统的鱼群搜索方法,有助于渔船更快更高效的寻找自由鱼群,减少渔船等待时间、避免浪费时间盲目航行搜索渔场,提高作业天数的利用率,最终实现减少寻鱼所消耗的天数和降低燃油成本,提高我国的金枪鱼围网捕捞效率和国际竞争力,使企业获得更好的盈利,国家的渔业地位进一步提高。为了实现金枪鱼鱼群特征的快速分类和识别,本文分析了大量上海开创远洋渔业有限公司在中西太平洋海域进行金枪鱼围网作业期间采集的远洋金枪鱼鱼群的视频资料,分析金枪鱼鱼群的行为特点,剪切并筛选出用于鱼群特征识别训练的图片,制作一个金枪鱼特征图像的数据集,构建深度学习模型完成对金枪鱼鱼群的特征识别。主要工作是进行图像采集、特征标注、模拟识别等几个方面进行鱼群特征识别研究,并实验验证其在鱼群特征识别的性能。具体主要的工作内容和研究成果如下:(1)分析我国大陆金枪鱼围网在中西太平洋历年的产量变化,分析中西太平洋金枪鱼渔业管理政策变化,展现政策变化对我国金枪鱼围网船队产量的影响,研究表明,FADs禁渔期延长以后,我国禁渔期的平均寻鱼时间大幅增加,这表明我国大陆金枪鱼围网船队对自由鱼群的寻找效率很低,需要加强和改善对自由鱼群的搜索方法。(2)本文收集了大量金枪鱼围网资料及金枪鱼鱼群视频影像,论述了采集过程的关键点。在进行鱼群特征采集前,需要借助大量的金枪鱼海上视频,分析金枪鱼群在海上的可视特征,结合金枪鱼实际场景进行采集。为提高图像识别的效果,需要去除与特征无关的图片,保证每一张图片都有需要提取的特征,并且特征清晰可见。(3)基于所采集的特征图片,进行特征标注。特征标注是指人为识别分析鱼群图像的特征,通过框选图像的特征信息,判断特征信息的特征性。在标注过程中,鱼群特征有各种不规则的形状目标,为检测性能,应该以最小的目标边界框的标注方法,尽量减少框选区域内其他影响因素,从而提高后期的识别精度。(4)实现了基于深度学习的中西太平洋金枪鱼围网渔业鱼群识别应用模型。根据金枪鱼鱼群特征识别的研究特性,从模型训练角度分析并选择符合当前研究的目标识别算法,通过鱼群目标检测框架对鱼群视频进行检测,将含有鱼群特征的图像输入到鱼群特征检测模块,对鱼群特征检测模块输出的完整图像进行鱼群识别,得到鱼群识别结果,并设计图像和视频两种识别方式。实验结果验证了利用图像识别技术来搜索金枪鱼群的方法是可行的。