基于DeepLabCut的加州鲈生长特征参数自动测量系统研发与应用

《Aquaculture International》：Automatic measurement system for growth characteristic parameters of micropterus salmoides based on DeepLabCut

为解决大口黑鲈(Micropterus salmoides)生长参数人工测量效率低、劳动强度大的问题，研究人员开发了基于DeepLabCut的自动非接触检测系统。通过Intel RealSense D415构建RGB-D采集系统，优选MobileNet_v2_0.35神经网络实现特征点识别，结合3D点云投影与曲线拟合技术，在30尾样本中实现体长(MAE=7.04mm)、体高(MAE=3.04mm)等8项参数的高精度测量(MAPE<6.5%)，为智能水产养殖提供创新技术支撑。

　　

针对大口黑鲈(加州鲈，Micropterus salmoides)传统人工测量方法存在的效率瓶颈，这项研究构建了一套炫酷的"AI鱼体扫描仪"。科研团队采用英特尔实感(Intel RealSense)D415深度相机搭建RGB-D双模态采集系统，像训练数字侦探般调教了7种神经网络模型(含ResNet和MobileNet系列)，最终选定轻量级选手MobileNet_v2_0.35作为DeepLabCut平台的"火眼金睛"。

通过相机内参矩阵将2D关键点映射到3D点云空间后，研究团队玩起了"数字解剖"——先用虚拟解剖刀进行点云切片，再用B样条(B-spline)曲线和Catmull-Rom插值算法像捏橡皮泥般精准重构鱼体轮廓。在30尾活体测试中，这套系统展现出惊人的测量精度：全长误差仅7.04mm(相当于鱼鳞的3层厚度)，而娇嫩的尾柄高度测量误差更是控制在1.11mm内，堪比专业鱼把式的测量水准。

更令人振奋的是，这些闪着蓝光的数字化结果可直接对接养殖物联网系统，实现从"投喂靠经验"到"饲喂看数据"的跨越。无论是监测鱼群生长曲线，还是预警脊柱侧弯等健康风险，这套系统都在为智慧渔场装上"数字视网膜"，让每条加州鲈都能享受定制化的VIP养殖服务。