计算机视觉技术揭示养殖大西洋鲑（Salmo salar）鳃部健康评分与呼吸频率的关联性研究

这篇研究论文创新性地应用计算机视觉（CV）技术，通过卷积神经网络（CNN）和追踪检测算法，首次在商业化养殖场环境中验证了大西洋鲑鳃部健康评分（gross gill score）与呼吸频率的正相关性（β=3.52, p=0.004）。研究分析了240组视频数据，发现鳃部病变（如AGD相关白斑）会导致呼吸频率显著升高（106.1±12.1次/分钟），为水产养殖健康监测提供了非侵入性解决方案。

　　

计算机视觉技术在鲑鱼健康监测中的突破性应用

1 引言

计算机视觉技术正逐步革新水产养殖业的健康监测方式。这项研究首次将卷积神经网络（CNN）与追踪检测算法相结合，在商业化养殖场环境中系统评估了大西洋鲑（Salmo salar）鳃部健康状态与呼吸行为的关联性。鳃变形虫病（AGD）等鳃部疾病每年给全球鲑鱼养殖业造成数亿美元损失，传统人工鳃评分（0-5分制）存在采样偏差大、应激性强等缺陷。

2 材料与方法

研究团队在塔斯马尼亚鲑鱼养殖场采集了266段水下视频（1280×960像素，30fps），通过降分辨率处理提升分析效率。创新性的双阶段算法首先用CNN识别鱼头状态（张口/闭口），再通过追踪检测计算呼吸频率。最终纳入分析的240组数据涵盖15,893-129,140尾/围网，平均体重2.47kg（0.19-5.42kg）。环境参数（水温13.9-19.3°C，溶解氧4.8-8.8mg/L）通过集成传感器同步采集。

3 结果

计算机视觉系统成功追踪单尾鱼呼吸行为（中位数1576.5尾/视频），测得围网中位呼吸频率85.7-156.5次/分钟。多元线性回归显示：鳃评分每升高1分，呼吸频率增加3.52次/分钟（p=0.004）；水温每升1°C增加3.46次（p<0.001），而溶解氧每增1mg/L则降低1.17次（p=0.017）。值得注意的是，体重与水温存在交互效应（β=-1.18, p=0.038），表明大鱼对温度变化更敏感。

4 讨论

4.1 关键发现

鳃部病变导致的呼吸代偿机制与既往AGD病理研究相符：白斑增生使鳃表面积减少50%以上，气体交换效率下降迫使鱼增加呼吸频率。虽然变化幅度较小，但证实CV技术可捕捉细微生理变化。

4.2 产业应用

该技术可直接整合现有养殖监控系统，通过边缘计算实现实时分析。相比传统40尾/围网的抽样检测，CV可评估上千尾鱼行为，显著提升监测代表性。建议作为预警系统指导靶向采样，优化AGD的qPCR检测资源配置。

4.3 环境影响因素

未纳入的水流速度（影响主动呼吸）和藻类浓度（导致鳃坏死）可能是后续改进方向。研究采用的32分钟日间视频虽具代表性，但未能覆盖潮汐等周期性环境波动。

4.4 研究局限性

93%样本鳃评分≤1分（商业养殖主动干预所致），可能弱化统计效力。模型在挪威等不同养殖区的适用性需本地化验证，考虑种群遗传差异（如海水适应相关基因表达）。

5 结论

这项研究为水产养殖数字化提供了重要范式，证实计算机视觉可量化鳃健康相关的呼吸代偿行为。虽然不能替代AGD的qPCR诊断，但作为早期预警工具，能优化养殖管理并减少应激性采样。未来整合更多环境参数后，有望建立全球适用的智能养殖监测系统。