在全球变暖的影响下,南极半岛受到持续“绿化”的生态威胁,企鹅作为南极地区鸟类生物量最大的物种,被称为南极环境变化的“生物指示剂”。研究南极典型地区企鹅栖息地分布与种群数量,为探讨气候变化对企鹅的影响以及对企鹅物种的保护工作提供基础数据和理论指导。因此准确且高效地检测企鹅栖息地和企鹅数量对于企鹅的研究工作具有重大意义。在深度学习快速发展的时代背景下,利用深度学习技术快速检测不同企鹅岛屿的企鹅栖息地和企鹅数量,成为准确且高效地获取企鹅相关信息的重要方式。本文利用目标检测技术对南极典型地区的企鹅栖息地进行检测查找,确定企鹅栖息地的位置分布;利用图像语义分割技术对栖息地中企鹅数量进行检测统计,通过企鹅栖息地与数量检测系统获取企鹅栖息地和企鹅数量的检测结果,为企鹅和南极生态环境的保护提供数据支持。作者完成了如下工作:(1)企鹅岛屿图像的数据预处理。首先通过图像切割、图像批量命名、扩充样本数量和筛选等操作来进行图像数据预处理,然后对预处理图像进行数据标注后制作成了本文算法模型所需要的数据集。(2)基于Faster RCNN的企鹅栖息地目标检测方法。针对Faster RCNN进行企鹅栖息地检测过程中遇到的漏检和误检问题,以及对企鹅栖息地进行检测后的展示结果不易辨认等问题,本文设计并实现一种基于Faster RCNN的企鹅栖息地检测方法。在Faster RCNN的基础上将ROI Align代替Faster RCNN中的感兴趣区域池化层来提高Faster RCNN对于企鹅栖息地的检测精度,并通过标注区域图像的方式代替使用检测框标注目标,使用户更易辨认栖息地检测结果。(3)基于全卷积网络(Fully Convolutional Networks,FCN)的企鹅数量检测方法。通过将企鹅栖息地检测结果进行处理后作为企鹅数量检测的输入数据,结合基于FCN的企鹅数量检测方法进行检测,提高了系统从原始图像中检测出企鹅个体并获取企鹅数量的效率。(4)企鹅栖息地与数量检测系统的设计与实现。本文将之前提出的企鹅栖息地检测方法与企鹅数量检测方法集成建立了一个企鹅栖息地与数量检测系统。在该系统中导入需要被检测的企鹅岛屿图像,通过系统处理后可以获取企鹅栖息地与企鹅数量的检测结果,且可以将检测结果导出查看。本论文完成的企鹅栖息地与数量检测系统,通过对系统各模块进行功能测试,测试结果表明各功能模块都已经达到了预想的效果,可以为用户高效、准确地提供企鹅栖息地检测数据和企鹅数量数据等信息。