河豚鱼是一种味道鲜美但是却含有剧毒的名贵鱼类,具有极大的市场前景。然而由于部分品种的河豚鱼有剧毒,而目前都是采用标签跟鱼体分离的溯源技术,例如二维码和电子标签等,并没有从根本上解决溯源问题。为此,本文以福建省的主要养殖品种双斑东方鲀为研究对象（如无特别说明,本文所述河豚鱼均为双斑东方鲀）,提出了一种利用生物图像特征进行溯源的方法,该方法将识别过程分成河豚鱼提取、河豚鱼对齐、河豚鱼特征提取以及特征匹配四个步骤,具体研究内容如下。首先,针对河豚鱼识别任务,本文构建了可用于河豚鱼图像分割和河豚鱼特征提取的数据集,前者包含30条河豚鱼共计7602张图片,后者包含126条河豚鱼共计55837张图片。其次,对于河豚鱼的提取,本文研究了基于图像分割的提取方法,通过对多种图像分割模型进行实验分析后,得到了分割性能最好的模型——DeepLab V3+模型。在分割的基础上,本文提出了一种基于图像掩膜的河豚鱼对齐方法,该方法利用了河豚鱼掩膜形状的特点进行对齐,实验表明该对齐方法简单高效,而且能将任意方向的河豚鱼进行对齐。然后,本文对河豚鱼的特征提取方法进行了研究,对于LBP等的传统特征提取算法,本文通过具体实验发现其准确率比较低,普遍在50%以下,并不适合于河豚鱼的特征提取;对于基于卷积神经网络的算法,本文研究了九种不同的基础网络和损失函数组合的模型,这九种模型在特征提取数据集上的准确率普遍在99%以上。同时,本文根据河豚鱼纹理具有长条形的特点,在准确率比较高的神经网络算法中引入了长方形的卷积核,并通过实验验证了其有效性。最后,本文在识别集和注册验证数据集上对完整的识别模型进行了测试分析,分别验证了其识别已知个体和未知个体的性能。该模型结构简单,训练测试方便,识别速度快,可以用于食品安全溯源以及海洋资源的保护跟踪,具有较大的社会经济意义。