基于YOLOv8–SORT–ResNet50的鱼类对非离子氨胁迫行为响应的视觉识别

《Aquaculture and Fisheries》：Vision-based recognition of fish behavioral responses to un-ionized ammonia stress using YOLOv8–SORT–ResNet50

　　

鱼类行为响应为评估受控水产养殖环境中的水质胁迫提供了一种非侵入性指标。本研究开发了一种基于视觉的行为识别框架，用于在受控实验室条件下识别鱼类对非离子氨胁迫的响应，而非直接面向商业循环水养殖系统（RAS）的氨氮早期预警或浓度预测系统。所提出的框架被设计为任务导向的YOLOv8–SORT–注意力增强ResNet50流水线。YOLOv8用于帧级鱼类检测，SORT用于连续轨迹提取，构建轨迹图像以表征鱼类游泳行为，注意力增强ResNet50模型用于轨迹图像分类。与主要依赖单帧目标检测、仅跟踪或直接水质浓度预测的现有研究相比，所提出的框架强调轨迹级行为表征。通过将连续游泳轨迹转换为基于图像的行为特征，该框架捕获了氨胁迫相关的鱼类空间分布、活动模式和运动轨迹变化。名义总氨氮（TAN）水平（5–20 mg/L）严格作为实验剂量用于构建急性单胁迫梯度。鉴于pH 7.0和20 °C条件下的NH₄⁺/NH₃平衡，这些高TAN输入在数学上是达到目标毒性非离子氨氮（NH₃-N）浓度（0.020–0.079 mg/L）以进行方法学验证所必需的。在商业RAS中，如此高的TAN浓度很少出现，通常表明涉及多种共存胁迫因素的严重系统故障，而非孤立的氨毒性。实验结果表明，在受控成像条件下，YOLOv8检测器达到了0.9854的mAP@0.5、0.7011的mAP@0.5:0.95、0.9598的精确率和0.9562的召回率。比较评估进一步表明，集成的YOLOv8–SORT–注意力增强ResNet50框架为基于轨迹的氨胁迫识别提供了可行的流水线。因此，分类输出代表在受控实验条件下观察到的基于行为的单胁迫类别，不应直接视为商业RAS的操作预警阈值。在实际部署之前，仍需在较低NH₃-N水平、较大水体体积、不同放养密度、复杂水动力条件、多种鱼类和多胁迫养殖环境下进行进一步验证。

研究背景方面，全球水产养殖业在过去几十年中经历了显著增长，养殖产量已占全球鱼类消费量的一半以上，是粮食安全和水生资源管理的重要组成部分。然而传统养殖方式面临环境退化、水污染和水生资源压力等挑战，集约化受控养殖系统因此得到发展。在主要水质胁迫因素中，氨尤为重要，因其直接影响鱼类生长、生理功能和存活。氨在水中主要以离子态铵（NH₄⁺）和非离子氨（NH₃）形式存在，两者平衡受pH和温度强烈影响。与总氨氮（TAN）相比，非离子氨氮（NH₃-N）与鱼类氨毒性更直接相关。商业养殖中TAN通常严格控制在1.0 mg/L以下以避免慢性生理损伤，但在急性毒理学试验和基于计算机视觉的胁迫监测研究中，TAN浓度常被提升至极端水平（如20–60 mg/L）以快速引发可测量的生理和行为响应。传统氨监测方法如化学分析和分光光度法可提供水质参数的直接测量，但通常需要水样采集、试剂分析或实验室检测，耗时且可能无法充分捕获鱼类对水质胁迫的即时生物响应。数据驱动和混合神经网络方法已被探索用于集约化养殖的水质预测和控制，但仅基于传感器或模型的水质输出不能直接描述鱼类行为响应。鱼类行为包括游泳轨迹、空间分布、活动强度和运动模式，可提供环境胁迫的非侵入性生物指标。计算机视觉已成为分析鱼类图像和视频的有效非接触技术，具有非侵入性、高效和适合连续观察的优势。YOLO系列模型已被适配和优化用于养殖环境中的鱼类检测，如AquaYOLO；鱼类跟踪研究如FishTrack和SiamFCA尝试提高复杂养殖条件下的轨迹关联和跟踪鲁棒性。先前研究已利用计算机视觉将鱼类行为与氨胁迫联系起来：Xu等（2020）使用Faster R-CNN模型显示氨污染水条件下鱼类轨迹存在差异；Li等（2023）开发了增强检测模型DCN-YOLOv5以提高氨暴露下的鱼类跟踪精度；Xu等（2024）结合YOLOv8与跟踪算法监测鱼类从高氨水平的恢复；Xu等（2025）提出了基于剪枝策略的氨氮胁迫下鱼类行为定量分析方法。然而现有研究仍存在若干局限：第一，部分研究使用了管理良好的商业养殖系统常规运行中极少遇到的高氨暴露水平，实验施加氨水平的生态学解释应谨慎对待；第二，尽管深度学习在智能鱼类养殖中应用日益增多，许多研究仍主要关注鱼类检测或跟踪精度，将这些轨迹转化为行为级表征以进行胁迫识别的研究较少；第三，实际养殖环境中的异常鱼类行为可能由多种共存胁迫因素引起，包括亚硝酸盐积累、溶解氧波动、pH变化、温度变化、浊度、摄食状态、放养密度和疾病，因此在受控实验室条件下获得的基于行为的氨胁迫识别结果不应直接解释为商业养殖系统的操作预警阈值。本研究旨在建立实验室规模的概念验证，用于受控养殖条件下非侵入性鱼类胁迫识别，而非直接预测商业养殖系统中的操作氨浓度。研究人员开展了以下研究：开发了任务导向的基于视觉的行为识别框架，YOLOv8用作鱼类检测模块获取帧级目标位置，SORT用于轨迹关联，构建轨迹图像以表征连续游泳行为，注意力增强ResNet50模型用于轨迹图像分类。该框架的新颖性不在于YOLOv8的单一结构修改，而在于任务导向地整合鱼类检测、轨迹关联、轨迹图像构建和行为级分类，用于非侵入性氨胁迫识别。研究得出以下结论：在受控实验条件下，YOLOv8检测器达到了mAP@0.5为0.9854、mAP@0.5:0.95为0.7011、精确率0.9598和召回率0.9562。比较评估进一步表明，所提出的YOLOv8–SORT–注意力增强ResNet50流水线在检测精度、跟踪效率和轨迹图像分类性能之间提供了有利平衡。通过将连续鱼类游泳轨迹转换为基于图像的行为表征，该框架为捕获NH₃-N相关行为胁迫响应（包括空间分布、活动模式和游泳轨迹变化）提供了任务特定的方法。该设计特别适合氨胁迫识别，因为鱼类对水质胁迫的响应在连续运动行为中比在单帧外观特征中反映更为强烈。这些性能值应解释为在固定相机设置、稳定光照、单一鱼种和受控背景条件的实验室规模环境中获得的结果，而非商业养殖系统中的保证性能。分类输出进一步映射为三个基于行为的胁迫类别，包括正常游泳、行为胁迫警告和严重胁迫警报，这些类别描述在受控实验条件下观察到的行为响应，不应直接视为商业RAS的操作预警阈值。总体而言，结果证明了使用鱼类轨迹作为氨胁迫识别非侵入性行为指标的可行性。未来研究应在较低NH₃-N水平、较大水体体积、不同放养密度、复杂水动力条件、多种鱼类和多胁迫养殖环境下验证所提出的框架，在实际部署于商业养殖系统之前还需进一步与实时水质传感器集成。基于实验发现，本研究的主要建议有两方面：第一，建议将YOLOv8–SORT–ResNet50流水线集成为聚焦特定行为轨迹变化的非接触早期预警工具；第二，实际监测系统应优先检测游泳速度的突然转变（如约15 mg/L处观察到的激活-抑制转变）和异常空间分布（如水面聚集），因为这些提供了急性非离子氨毒性的关键临床前指标。本研究的重要意义在于提供了基于视觉的方法学流水线，将鱼类轨迹模式与NH₃-N相关水质胁迫响应联系起来，并为未来在更大规模和多胁迫养殖环境中的验证提供了基础。从实际角度看，所提出的框架提供了一种非侵入性分析方法，将鱼类行为信息学与水质胁迫评估联系起来；基于视觉的轨迹分析可作为未来智能养殖系统中稳健的补充生物响应层，而非替代传统水质传感器。

在技术方法方面，本研究采用的主要关键技术方法包括：YOLOv8目标检测模型用于帧级鱼类定位，采用CSP骨干网络、C2f模块、PAN和FPN多尺度特征融合以及无锚框检测策略；SORT跟踪算法用于连续轨迹提取，集成卡尔曼滤波进行状态预测和匈牙利算法进行数据关联；基于ResNet50的轨迹图像分类模型，引入CBAM注意力模块增强轨迹图像特征表征；轨迹图像构建方法，将连续游泳轨迹转换为图像化行为表征，并评估5、10、15和20 s四种时间分割时长对分类性能的影响。实验样本来源为实验室养殖的7尾丽鱼（Cichlasoma managuense），平均体重220 ± 1.4 g，体长12–15 cm，设置5、10、15和20 mg/L四个名义TAN暴露水平，对应计算NH₃-N浓度为0.020、0.039、0.059和0.079 mg/L。视频采集使用Hikvision高清网络摄像机（型号DS-2CD3T46WDV3-I3），分辨率2560 × 1440像素，帧率30 fps。初始数据集每个暴露水平1500张标注图像，总计6000张，按8:2分为训练集和测试集；检测后数据集扩展至每个暴露水平4800张图像，每个暴露水平进一步分为四个时间段，每段1200张，总计19200张图像，同样按8:2划分。

研究结果方面，水质浓度分析表明：通过精心设计的10天监测方案，系统在氨暴露期间维持关键水质参数在预定阈值内，pH保持中性（7.15–7.93），溶解氧在最适范围内波动极小（7.34–8.55 mg/L）。实验设计使用氯化铵添加建立四个名义TAN暴露水平，补充前背景TAN均值分别为2.95、6.22、9.31和14.15 mg/L，补充后分别约为5.03、10.45、15.31和20.00 mg/L，证实实验期间实现了设计的实验室暴露梯度。多变量分析发现NH₄⁺-N与DO浓度之间存在统计学显著的负相关（p < 0.01），氮形态分析提供了生物过滤单元中硝化途径建立的证据，证实了RAS在不同营养负荷下的运行稳定性。模型评估方面：YOLOv8检测器训练200个epoch后达到mAP@0.5为0.9854、mAP@0.5:0.95为0.7011、精确率0.9598、召回率0.9562，训练动态显示所有指标持续改善，验证指标初始波动后稳定，无明显过拟合。氨氮胁迫下多维行为响应分析表明：SORT算法跟踪精度随氨氮浓度呈非线性响应模式，5 mg/L时跟踪稳定性最优（精度集中在0.9附近，范围0.8–1.0），10和15 mg/L时跟踪性能逐渐恶化（波动范围分别扩大至0.7–1.0和0.65–1.0），20 mg/L时跟踪精度呈现 paradoxical 恢复（0.7–1.0），表明极端胁迫条件下行为模式发生根本转变。游泳速度测量记录了清晰的激活-抑制转变：平均速度从0.07（5 mg/L）稳步增至0.10（15 mg/L），表明应激相关的活动增强，随后在20 mg/L时急剧下降至0.06，代表可能的生理损伤，这种双相模式表明15–20 mg/L之间存在临界浓度阈值。空间分布特征进一步阐明了氨诱导行为修改的渐进性质：5 mg/L时鱼类保持正常底栖偏好；10 mg/L触发探索行为，垂直分布均匀，可能代表回避机制；15 mg/L时空间模式表明通过减少边缘跟随和下半部分集中进行胁迫适应；20 mg/L诱导病理空间利用，特征为水面聚集和轨迹紊乱，通常与呼吸窘迫和神经损伤相关。最优轨迹分类和时间分割策略方面：评估了5、10、15和20 s四种视频分割时长，ResNet50模型在5 s分割时长下表现出强性能，5和10 mg/L组的分类准确率为91%，15 mg/L组为99%，20 mg/L组为81%，15 mg/L组相对较高的分类准确率表明该受控暴露条件下鱼类轨迹呈现更可区分的视觉特征。比较分析进一步表明5 s分割时长提供了最有效的行为特征表征，该设置下模型约50个训练epoch后达到100%训练准确率和超过90%验证准确率，训练损失接近零，验证损失稳定在约0.2；而分割时长增至10、15和20 s时最大验证准确率约为70%，表明较长分割窗口未改善轨迹图像分类。因此选择5 s作为最终轨迹分割时长。检测、跟踪和分类模块的比较评估方面：检测模块与代表性YOLO系列模型比较，所有模型均达到高检测性能，YOLOv8获得最高mAP@0.5和精确率，YOLOv5s获得最高mAP@0.5:0.95，YOLOv5m获得最高召回率，考虑YOLOv8在后续流水线中的一致性而保留为检测模块。跟踪模块比较中，DeepSORT和ByteTrack获得略高的MOTA值和更少的ID切换，但SORT因主要依赖卡尔曼滤波和基于IoU的关联而无额外外观特征提取，实现了最高处理速度（42.6 FPS），在本研究受控实验条件下保留了SORT作为跟踪模块。分类模块比较中，注意力增强ResNet50模型在评估的轨迹图像分类器中获得最佳整体分类性能，ResNet50+CBAM达到0.958准确率、0.954精确率、0.956召回率和0.955 F1分数，优于VGG16和MobileNetV3，表明基于注意力的特征增强有助于模型聚焦轨迹图像中行为相关的空间模式；尽管MobileNetV3实现了最快推理速度（3.2 ms/图像），ResNet50+CBAM在分类准确性和计算成本之间提供了更好的平衡。

讨论部分总结：计算机视觉、深度学习和人工智能的应用正在通过实现鱼类行为、健康状况和水质胁迫的非侵入性分析来改变水产养殖监测。本研究开发了基于视觉的行为识别框架，用于在受控实验室条件下表征鱼类对氨胁迫的响应，结果表明鱼类游泳轨迹、空间分布和活动模式可为识别氨胁迫相关响应提供有用的行为指标。从生物学角度，观察到的轨迹级变化可直接与氨诱导的生理胁迫相关联，氨暴露破坏鳃功能、氧气运输、渗透调节和神经系统活动，从而根本改变游泳活动、空间偏好和运动稳定性，因此轨迹分布和活动模式的差异不应仅解释为图像间的视觉差异，而应解释为受控实验条件下NH₃-N相关胁迫响应的定量行为表现。比较评估进一步阐明了所提出框架的相对优势和局限：鱼类检测方面YOLOv8获得高mAP@0.5和精确率，尽管YOLOv5s显示略高的mAP@0.5:0.95；轨迹跟踪方面ByteTrack和DeepSORT获得比SORT更好的跟踪稳定性，而SORT在本研究固定相机和稳定背景条件下提供了更高的计算效率和足够的轨迹连续性；轨迹图像分类方面ResNet50+CBAM获得最佳整体分类性能，而MobileNetV3提供更快的推理速度。这些综合比较实验表明，所选的YOLOv8–SORT–注意力增强ResNet50框架作为平衡的任务导向流水线运行，而非在每个孤立指标上优于所有替代算法，集成框架在定位精度、跟踪效率和行为分类性能之间提供了专门针对受控实验室条件的最优折衷。需注意所提出框架达到的相对高检测和分类性能（如mAP@0.5为0.9854）可直接归因于严格控制的实验成像条件，本研究中的视觉任务涉及单一鱼类目标类别、固定相机位置、稳定光照和相对简单的背景池结构，这些因素显著降低了目标定位和轨迹提取的视觉复杂度。此外必须强调，实验中采用的5–20 mg/L名义TAN水平与常规商业生产相比仍然过高，这些绝对值被 deliberate 选择用于建立急性氨暴露方案，在短时间内引发 distinct 和可观察的胁迫行为以进行方法学验证；在实际养殖条件下，异常鱼类行为很少由如此极端、孤立的氨毒性引起，通常由多种共存胁迫因素（如亚硝酸盐积累、溶解氧波动、疾病）导致，因此本研究中定义的行为轨迹和胁迫类别应严格解释为服务于基于视觉早期预警方法学目标的急性胁迫响应，而非商业养殖系统的基线行为学数据。从实际角度看，所提出的框架提供了一种非侵入性分析方法，将鱼类行为信息学与水质胁迫评估联系起来；基于视觉的轨迹分析可作为未来智能养殖系统中稳健的补充生物响应层，而非替代传统水质传感器。研究结论部分翻译：本研究开发了一种基于视觉的行为识别框架，用于在受控实验室条件下识别鱼类对非离子氨胁迫的响应，而非直接面向商业RAS的氨早期预警系统。所提出的框架整合了YOLOv8用于帧级鱼类检测、SORT用于连续轨迹提取、轨迹图像构建用于行为表征以及注意力增强ResNet50模型用于轨迹图像分类。本研究的主要贡献不在于YOLOv8的单一结构修改，而在于从鱼类检测结果到轨迹级行为表征的问题导向转化，用于非侵入性氨胁迫识别。通过将连续鱼类游泳轨迹转换为基于图像的行为表征，所提出的框架为捕获NH₃-N相关行为胁迫响应（包括空间分布、活动模式和游泳轨迹变化）提供了任务特定的方法。该设计特别适合氨胁迫识别，因为鱼类对水质胁迫的响应在连续运动行为中比在单帧外观特征中反映更为强烈。在受控实验条件下，YOLOv8检测器达到了mAP@0.5为0.9854、mAP@0.5:0.95为0.7011、精确率0.9598和召回率0.9562。附加的比较评估进一步表明，所提出的YOLOv8–SORT–注意力增强ResNet50流水线在检测精度、跟踪效率和轨迹图像分类性能之间提供了有利平衡。这些性能值应解释为在固定相机设置、稳定光照、单一鱼种和受控背景条件的实验室规模环境中获得的结果，而非商业养殖系统中的保证性能。所测试的名义总氨氮（TAN）暴露水平用于构建急性氨胁迫梯度以进行方法学验证，毒性相关解释以计算的非离子氨氮（NH₃-N）水平表示。分类输出进一步映射为三个基于行为的胁迫类别，包括正常游泳、行为胁迫警告和严重胁迫警报，这些类别描述在受控实验条件下观察到的行为响应，不应直接视为商业RAS的操作预警阈值。总体而言，结果证明了使用鱼类轨迹作为氨胁迫识别非侵入性行为指标的可行性。未来研究应在较低NH₃-N水平、较大水体体积、不同放养密度、复杂水动力条件、多种鱼类和多胁迫养殖环境下验证所提出的框架，在实际部署于商业养殖系统之前还需进一步与实时水质传感器集成。基于实验发现，本研究的主要建议有两方面：第一，建议将YOLOv8–SORT–ResNet50流水线集成为聚焦特定行为轨迹变化的非接触早期预警工具；第二，实际监测系统应优先检测游泳速度的突然转变（如约15 mg/L处观察到的激活-抑制转变）和异常空间分布（如水面聚集），因为这些提供了急性非离子氨毒性的关键临床前指标。