科学界将海洋中6000米到11000米之间的区域定义为深渊区域,深渊鱼作为脊椎动物,位于深渊生物链的顶端,其科学研究对深渊生物与深渊生态学科的发展具有重要的价值。围绕深渊鱼捕获需求,本文以全海深智能捕鱼装置为研究对象,以实现全海深精准智能捕鱼为导向,以深渊鱼目标检测为核心,着重开展以下几个方面的工作:(1)围绕全海深捕鱼装置研制,进行了需求分析,明确了该装置需具有深海着陆、目标生物智能检测与捕获、深海环境信息获取、装置海面寻回四个功能,进而开展了全海深智能捕鱼装置的系统结构设计。其中运载子系统实现深海着陆功能,达到全海深作业目的;中央管理子系统与采样子系统实现深海生物目标检测与自动捕获、深海环境信息获取功能,实现捕获过程智能控制,达到装置精准智能捕鱼目的;常载子系统实现装置的海面寻回功能。(2)设计了全海深精准智能捕鱼装置的核心机械结构之一的捕鱼笼。捕鱼笼采用双开门滑轨结构,一是通过扭力弹簧驱动连杆带动笼门沿滑轨闭合,保证笼门的稳定工作;二是减少单个笼门移动距离,提升笼门关闭速度。笼门通过单片机和电磁开关实现自动控制,即单片机接收目标检测信息并进行分析判断,确定检测到目标后,输出控制信号给电磁开关控制左右笼门关闭,实现了装置智能化和自动化。(3)针对深渊鱼目标生物智能检测,开展了目标检测模块的设计及算法研究。阐述了传统目标检测算法与深度学习目标检测算法的研究与发展;设计了一种基于OpenCV的深渊鱼目标检测算法——Motion-Haar算法,即使用运动检测法确定图像中是否存在运动目标,并通过Haar特征检测算法检测图像内深渊鱼目标,提高检测实时性及降低能耗;进而基于Motion-Haar算法的测试效果,保留其运动检测算法,结合YOLOv3-Tiny算法来调整目标检测设计,提出了一种集成图像预处理与目标测距功能的改进YOLOv3-Tiny算法——Deep-YOLO算法,即引入中值滤波去除噪声干扰,通过网络加深提升检测精度,增加目标测距功能以避免超区域误报,提高了检测查准率。(4)样本提取与算法测试。进行了深渊鱼图片收集、截取及筛选,使用Haar特征检测流程与YOLOv3-Tiny检测流程制作训练样本集,分别训练深渊鱼目标检测分类器和深渊鱼目标检测网络;在Windows 10平台上实现了Motion-Haar和Deep-YOLO算法,并使用视频与批量图片对其进行实时性、精度和误报率测试,测试与分析结果表明Motion-Haar算法中的运动检测可有效检测到图像中是否存在运动目标,但由于训练样本较少,Haar特征检测不满足目标检测提出的精度需求;Deep-YOLO算法可实时检测到图像中深渊鱼目标,具有较高的实时性、精度和低误报率,但存在一定程度的过拟合。Deep-YOLO算法很适合狮子鱼、鼠尾鱼等深渊鱼目标检测与捕获需求,为鱼类的完整捕获以及深海鱼类的科研分析提供技术支持。