Page 208 - 《水产学报》2023年第1期

水产学报, 2023, 47(1): 019516

JOURNAL OF FISHERIES OF CHINA
DOI: 10.11964/jfc.20220813656

基于计算机视觉的大黄鱼体尺、体重性状表型

测量装置开发和应用

1
1
1
2
王禹莎 ， 王家迎 ， 辛 瑞 ， 柯巧珍 ，
1
1
江鹏鑫 ， 周 涛 ， 徐 鹏 1,3*
(1. 厦门大学海洋与地球学院，福建省海洋生物遗传育种重点实验室，福建 厦门 361102；
2. 厦门大学航空航天学院，福建 厦门 361005；
3. 大黄鱼育种国家重点实验室，福建 宁德 352103)
摘要：鱼类的体重、体长等表型性状是水产养殖和遗传育种中非常重要的经济性状，为了
避免人工测量的不确定性、误差随机性和效率低下的问题，本研究开发出一种基于 Mask
Region Convolutional Neural Network (Mask R-CNN) 的自动化、无侵入式鱼类图像分割和表
型性状测量的装置。该装置包括图像采集装置和控制软件两部分，其中图像采集装置可以
测量不同规格鱼类 (体长 1~40 cm)。基于 Mask R-CNN 的控制软件，可以对图片进行目标
性状的训练和预测，实现目标数据的测量、存储和管理。本研究利用该装置对 477 尾 3 月
龄大黄鱼进行了图像采集和基于大黄鱼图像的体长、体高、体重性状预测。研究表明，利
用该装置测量的大黄鱼体长和体高的平均相对误差均小于 4%。基于体长、体高、体表面
积的多元回归模型对体重进行拟合，测量值与真实体重的相关系数为 0.99，平均相对误差
为 4%，对每张图片的平均处理时间为 3 s，测量速率是人工的 8 倍。该系统可以实现自动
化、高效、准确地获取大黄鱼体型与体重性状，为大黄鱼种质资源评价、良种选育和种质
创新提供更加便捷高效的表型测评工具。
关键词: 大黄鱼；图像分析；体尺性状；体重估测
中图分类号: S 951.2 文献标志码: A

大黄鱼 (Larimichthys crocea) 是中国海水养殖 本、方便快捷的测量装置和方法对大黄鱼体型性
产量最大的鱼类，2021 年产量达到 25 万 t 。体 状的遗传选育具有重要意义。
[1]
型作为一个重要的经济性状，修长、偏瘦的大黄 基于计算机的图片识别已在人类和部分动植
鱼往往更受到消费者的青睐。但复杂的水环境导 物研究中广泛应用，如图像分类 (猫狗分类等) [5-7] 、
致获取鱼体型信息只能在陆地上进行测量，且大 个体识别 (人脸识别等) [8-9] 和表型识别 (水稻株高、
黄鱼体型与体长、体高、头长等多个体尺性状相 玉米棒数量识别等) [10-11] ，而在鱼类研究应用中较
关，利用游标卡尺进行人工测量存在误差大、耗 少。Strachan [12] 最早将计算机视觉技术应用于鱼类
时长的缺点，难以进行大规模测量，限制了大黄 体尺性状测量的研究，通过控制拍摄时的照明条
鱼体型性状的遗传改良 [2-4] 。因此，开发一种低成 件 ， 采 用 简 单 的 光 照 阈 值 来 检 测 鱼 类 体 长 。

收稿日期：2022-08-23 修回日期：2022-10-18
资助项目：国家重点研发计划 (2022YFD2401001)；福建省科技重大专项 (2020NZ08003)；福建省种业创新与产业
化项目 (2021FJSCZY01)；国家杰出青年科学基金 (32225049)
第一作者：王禹莎 (照片)，从事智能仪器与装备研究，E-mail：Sia_YS_Wang@163.com
通信作者：徐鹏，从事鱼类基因组与遗传育种研究，E-mail：xupeng@xmu.edu.cn
版权所有 ©《水产学报》编辑部（CC BY-NC-ND 4.0） Copyright © Editorial Office of Journal of Fisheries of China (CC BY-NC-ND 4.0)
中国水产学会主办 sponsored by China Society of Fisheries https://www.china-fishery.cn
1