近年来,各国滨海核电站都曾出现过海洋致灾生物爆发的现象。海洋致灾生物的爆发后,会大量涌入核电站的取水口,威胁核电站的冷却系统安全,甚至造成核电站被迫停堆,给核电站造成经济损失,威胁周边海洋生态环境和与人类社会的安全。为了对毛虾、水母、海地瓜等滨海核电站致灾生物的爆发进行事前预警,本文设计了一套滨海核电站水下致灾生物实时检测与识别系统。系统以对毛虾的实时检测与识别为例,包括硬件与软件实现两个部分。系统运行时,水下摄像头获取水下视频信息,通过网络数据线实时传输到控制电脑中,视频数据可以实时显示并利用预先训练好的卷积神经网络——Faster R-CNN对其中的海洋生物(虾类)进行检测与识别,实现了对滨海核电站水下致灾生物的实时检测,达到可以向核电站工作人员发出预警的作用。系统采用的水下摄像头由本文自我研制;软件部分根据虾类的特点,对多种深度学习目标检测算法进行了分析比较,选用适合小目标的——基于区域选择的Faster R-CNN目标检测与识别算法。