本文基于机器视觉等人工智能技术开展了对虾形态学和行为学研究,聚焦智能称量、智能测量和性状智能测评等技术前沿,与厦门大学信息科学与技术学院、航空航天学院合作发明了海洋生物称重软件、图像测量技术和视频分析技术等软件系统,并在实际养殖中进行了测试和应用。主要成果如下:电子天平存在4个问题:一需人工读数并记录;二在活虾跳动时难以快速得出准确数据;三易受风的影响稳定慢;四因积水需频繁擦拭或调零。为此本课题组与航空航天学院合作,针对性开发了海洋生物称重软件,具有2个优点:(1)快速准确,可在活虾跳跃间隙快速准确捕捉数据,逐尾不取走形式的称量速度达20～23尾/分钟,并支持数据导出;(2)智能记录,软件设置了数据智能过滤程序,不产生错误读数,且两次称量间隔无限制。生物称重软件可加快实际育种时样本的采集速度,且适用于量程范围内所有物体的称量,具备重要的实用价值。继智能称量技术后,本文进一步研发了对虾形态参数的智能测量技术,传统上使用游标卡尺,但效率低、误差大,且不同测量者间误差不一致。为提高对虾形态参数测量的智能化水平,本课题组与信息科学与技术学院合作发明了图像测量技术,并应用该技术与游标卡尺分别对日本囊对虾、凡纳滨对虾和刀额新对虾3种对虾的体长、头胸甲长和头胸甲宽进行测量试验。结果表明:(1)两者差值95%以上落在LoA范围内,且LoACI在专业意义上可接受,说明2种方法结果一致性好;(2)图像测量技术对每尾对虾同一角度的识别结果一致,识别3个角度的ICC分别为0.996、0.973、0.957,与1名测量者用游标卡尺重复测量3次的 ICC(0.997、0.980、0.965)无显著差异,但高于3名测量者(ICC = 0.991、0.952、0.965)。此外识别同一角度的相对误差(1.52%、2.37%、3.74%)和变异系数也最小,说明图像测量技术的重复性与角度有关,同一角度重复性最佳,故图像采集时需统一角度。(3)对虾规格越大,越适用于图像测量技术。总之,图像测量技术与游标卡尺测量的一致性好,且前者重复性优于后者,具有非接触、测量快、适用广泛、重复性好等特点,可代替游标卡尺应用于对虾形态参数的测量。除对虾形态的静态测量与称量外,人工智能技术在动态行为学评价中更具重要的科学价值与应用前景。目前水产动物行为研究主要包括行为观察法和视频分析法,前者计数间隔长且受主观影响,后者在鱼类研究中已较为成熟,可为评价水产动物生理行为及意义提供科学依据。为提高对虾行为研究的数据准确性和智能化水平,本课题组与信息科学与技术学院合作发明了视频分析技术,并设计水温突变实验以测试该技术的应用效果,得出以下结论:(1)水温突变4℃对日本囊对虾运动无明显影响,随突变幅度增大运动变缓,活动频率降低,但最大加速度呈上升趋势;(2)水温突变时对虾存在6～11 min的适应期,幅度越大适应期越长,适应期后对虾运动趋于稳定;(3)对虾在最大加速度前25 s的运动状态存在2种情况:38.67%基本静止,主要出现在20～28℃组;61.33%持续作变速运动,主要出现在20～32 ℃和20～36 ℃组;(4)水温突变12 ℃及以上时对虾会侧翻,但在适应后基本回正,20～36℃组个体回正所需时间大于20～32 ℃组。(5)视频分析技术目前能识别具有显著差异的参数5个,且其应用大大减少了工作量,数据密度高达43200个/h,还可识别侧翻和死亡状态,在对虾行为学研究中具有重要的应用价值。最后,本文综合利用海洋生物称重软件和图像测量技术跟踪测量高位池精养的日本囊对虾体长和体质量,探究其生长特性与规律。分析结果表明:体长L与体质量W呈幂函数关系W=1.15×10~-5L~3.004。L和W的Von Bertallanffy生长方程分别为Lt=98.28(1-e~-0.022t+0.111)、Wt=11.12(1-e~-0-0.022t+0.111)3.004,可知L无拐点而55d为W生长拐点。结合实际测量值与生长方程理论预测值,日本囊对虾可分3个生长阶段:快速生长期(20～52日龄)、稳定生长期(53～80日龄)和缓慢生长期(80日龄后)。上述日本囊对虾生长情况符合对虾生长的一般规律,表明这是智能采集技术在实际养殖中一次成功的综合性应用。