水产养殖作为我国国民经济的重要组成部分,在一定程度上大大提高了我国人民的收入水平。随着我国现代化信息技术的创新发展,水产养殖技术也得到了高水平的提高。然而受到不良偷盗行为的影响,养殖厂的安全问题一直困扰着养殖户,也给养殖业带来了一定程度的经济损失,加重了养殖负担。在实际应用中,智能监控、异常行为检测、可疑目标检测等都需要依赖图像分析技术的发展。但是,仅仅依靠视频图像分析存在一定局限性,难以避免光照、遮挡、角度和位置所产生的影响,而在实际生产中,异常事件的产生往往会伴随异常声音的产生,声音信号也具有信息传递的作用。因此,利用图像分析技术进行可疑行为的识别,同时辅以异常声音信号的分析,在养殖业中的安全防控问题中具有较高的实用价值。本文围绕养殖场中的安全防控技术展开,重点在于研究异常行为识别与异常声音分析的方法。由于良好的水体环境是水生生物健康生长的基础,本文在养殖水体环境监测的基础上结合偷盗行为检测的方法,使得提出的方法能够更加接近水产养殖业的应用场景。本文主要工作如下:首先,利用物联网技术建立养殖场水体环境监测的系统,根据养殖要求确定系统中的水质监测指标。为养殖户搭建水质信息数据库,方便用户能够实时查看养殖场的真实情况,及时采取相应措施。然后,针对偷盗异常行为数据库样本数量不足的问题,建立自己的行为数据库,采用YOLO网络实现对异常行为的识别。相比于传统基于特征提取的行为识别方法,基于神经网络的方法具有更好的实时性。最后,对异常声音信号的分析方法进行研究,针对现有异常声音样本不足的问题,在现有声音数据集的基础上,建立伴随偷盗行为发生的异常声音数据库,对其进行特征提取与分析,得到不同特征在不同信噪比下异常声音信号的识别效果。实验结果表明,对异常声音信号的检测能够作为异常偷盗行为检测的一种辅助手段,提高安全防控方法的可靠性。