随着科学技术的发展和人工智能技术的不断革新,计算机视觉技术在许多领域都得到了应用。其中在水产养殖行业利用计算机视觉技术对投喂进行指导作业分析也逐渐成为一个热门话题。它弥补了在过去仅凭人工经验进行投喂的缺点,大大改善了投喂的精准度和效率。在养殖环境方面,循环水养殖业由于其节能高效的特点,也逐步取代传统的养殖方式。然而,计算机视觉技术目前仅仅只应用于小型封闭水域,在工厂化循环水养殖环境中很少有相应的研究,且对鱼群的行为学特征的研究也较少涉及。针对上述情况,本文提出了基于计算机视觉的鱼类行为学规律与精准投喂的方法研究。鱼群在摄食过程中会表现出各种特征,可以通过对鱼类的行为学进行分析量化出鱼群的摄食状态。鱼群摄食时的参数信息可通过计算机视觉技术获取。在对得到的图像进行滤波处理、二值化处理、目标提取等预处理操作之后,通过分析可以提取出鱼群数量、鱼群聚类特征以及鱼群速度等行为学特征参数。采用分水岭算法与形态学滤波算法提取轮廓得到图像中的鱼群数量,再利用核密度参数估计获取水池中鱼群的总数;利用结合信息熵的means K-动态聚类算法获取鱼群的聚类特征;采用多运动模型交互的IMM模型结合扩展卡尔曼滤波和JPDA算法获取鱼群的速度信息,进而构建智能投喂系统。将通过传感器获得的鱼类的行为学特征进行信息融合。按照自调节神经网络模糊信息系统制定相应的规则确定隶属度函数。按照以鱼群数量、鱼群聚类特征和鱼群速度三组行为学参数作为系统输入,投喂量和投喂速度作为系统输出的规则构建投喂策略,并对隶属度函数和决策规则等进行动态优化,提高了决策精度。在上述研究工作的基础上,本文进行了循环水投喂系统设计及实验。有针对性地选取了系统的硬件与设备,并根据控制策略对系统控制进行了设计和实验,使得饵料整体的利用率相较于普通的投喂机平均提高15.77%,在效率上整体投喂时间平均减少23.7s。结果表明循环水自主投喂系统能够实现预期的目标,提高饵料的利用率和投喂的精准度以及效率,并减少了水体污染。