基于深度学习的鱼类养殖监测研究进展

鱼类养殖是通过人工方式在水中养殖各种鱼类的经济活动。鱼类养殖可以在淡水、海水或者盐碱水环境中进行,通过各种监测技术和设备来培育和管理鱼的生长和繁殖。传统的鱼类养殖监测方法存在效率低和准确性差等问题。近年来,基于深度学习的视觉技术的发展为鱼类养殖监测提供了新的解决方案。该文阐述了基于深度学习的视觉技术在鱼类养殖监测中的应用,并从鱼体测量、鱼类计数、鱼类摄食、鱼类游泳行为和鱼病诊断5个方面分别对研究进展进行梳理。在此基础上总结了鱼类养殖监测在数据采集与传输、建立鱼类养殖监测数据集、超规模参数模型、终端监测设备边缘计算、数字孪生、智能监测业务化应用不足等问题和展望,旨在为深度学习在鱼类养殖监测中的推广应用提供科学参考。     

枸杞岛铜藻气囊形态特征及其与环境因子的关系

为更好地分析东海海域漂流铜藻是源于舟山海域底栖铜藻的可能性,并为此提供实地生态学参考依据,本研究以枸杞岛海域底栖铜藻为对象,研究底栖铜藻植株和气囊的形态特征变化及其对海洋环境因子变化的响应,探讨底栖铜藻气囊发育成熟的窗口期。结果显示,9月铜藻植株顶部的主侧枝开始出现气囊,翌年3—5月铜藻藻体生长速率最大,3—4月主侧枝的气囊数量快速增长,4月每根主侧枝平均气囊数量达最大,气囊发育成熟。各月气囊的数量、平均长度和平均湿重的分布为顶部主侧枝中部主侧枝底部主侧枝,平均直径较均匀,底部主侧枝气囊平均体积显著小于顶部和中部的。铜藻完成生活史所需的净效积温为4 434.75°C·d,9月气囊开始出现时所需的净效积温为1 853.47°C·d,4月气囊生长发育达到峰值所需的净效积温为3 611.25°C·d。研究海域的海温变化主要受季风活动引起的海流变化影响,海水低温期后的升温条件可能是诱发铜藻快速生长的因素,较高的海温可限制铜藻的生长。     

基于VMS的我国捕捞渔船出海时间与航程量化分析

近海捕捞渔船在各渔场的出海时间与航程量化数据是渔业管理中的参考信息,本文根据船舶监控系统2018年2.5万余艘海洋捕捞机动渔船的12.87亿条船位数据,利用渔场格网与渔船轨迹的拓扑关系,设计了捕捞渔船出海累计时间与航程计算方法,统计出累计时间3439 万h,累计航程25512 万km,分析结果显示：各省出海作业渔船主要分布在其沿海附近渔场,累计时间和航程近海高于远海。辽宁省、山东省、浙江省、广西区的捕捞渔船的累计时间值存在两个峰值与谷值,辽宁省、山东省两省与浙江和广西区相比1～3月累计时间明显偏低。量化方法与统计结果可辅助于渔业限额捕捞管理。