MJP-DCS：一种简化标定环境下循环水养殖系统中鱼类表型的非接触测量方法

《Optics & Laser Technology》：MJP-DCS: A noncontact measurement method for fish phenotypic in recirculating aquaculture systems within simplified calibration environment

　　

### 摘要

- 面向循环水养殖系统（RAS）的非接触式鱼类表型测量
- 全域扫描配合多相机触发
- 几何约束校正主距漂移
- 体长和眶间距的平均绝对误差（MAE）达2毫米
- 在理想条件下可实现毫米级精度

### 引言

全球水产养殖业正快速向集约化和智能化转型[1]，以应对资源约束、环境压力以及水产品需求增长的挑战[2]，推动产业优化和可持续发展。循环水养殖系统（RAS）在环保性、水资源利用效率和密集型生产方面具有显著优势，作为未来水产养殖可持续发展的技术平台[3]。RAS通过处理单元回收养殖用水，实现对关键环境参数的精确调控，为高密度养殖提供稳定可控的物理环境[4]。尽管环境参数控制构成系统智能化的基础层面，但感知鱼类生长状态和行为的能力是优化生产效率和维持鱼类健康的核心[5]。研究表明，体长与体重之间的异速生长关系为计算生物量和饲料转化率提供了表型参数[6]。眶间距反映骨骼发育和营养状况[7]，同时对短期环境扰动保持不变。它是体长的几何参考和个体识别的可靠特征[8]。因此，实现体长和眶间距的非接触式精确测量对于优化资源分配、提高养殖效率和开发数字孪生养殖系统至关重要。

现有鱼类表型测量方法存在根本性局限。尽管传统人工方法精度高，但所需的捕捞操作可能引起生理应激和潜在的机械损伤[9]，无法满足实时监测的前提条件[10]。有限的空间分辨率将声学方法限制在鱼类计数和定位上，无法精确提取个体表型特征[11]。此外，红外和机械触发传感器误差率高且对小体型鱼类适应性差，限制了其在复杂养殖系统中的适用性[12]。在非接触式测量方面，近年来机器视觉技术因成本低廉、信息丰富和自动化程度高而被广泛应用于鱼类表型测量[13]。然而，单目视觉系统结构简单，依赖于参考物体或鱼类平面运动假设，对游泳深度和身体姿态变化的敏感性随之降低了测量精度[14]。多视角立体视觉虽然能恢复深度信息且理论上更适合测量水下动态目标，但其精度取决于相机标定的精确性和稳定性[15]。

标准标定方法假设相机内外部参数在整个测量期间保持稳定。传统的大规模结构摄影测量通常从空中观察静态目标并依赖可到达且稳定的控制网。在该场景下，主距漂移主要反映由热变化、机械不稳定或重新对焦引起的相机内部几何变化[16]。固定焦距操作通常仅产生微小变化，而重新对焦则可能导致主距的显著偏移。RAS标定则由不同的机制主导：动态鱼类、受限的标定空间和空气-池壁-水的光学路径将相机内部参数变化与有效图像几何变化耦合在一起。水质波动、设备振动和流致相机运动进一步扰动主距与外方位之间的关系。因此，RAS标定必须恢复几何一致的主距组合，而非在稳定场景下优化焦距参数。

传统标定会从已知几何形状的物理靶标中估计相机参数。然而，这些靶标的永久部署会干扰养殖作业，并阻碍持续监测期间的快速重新标定。标定精度与作业连续性之间的冲突限制了RAS中的长期多视角测量。

全域覆盖扫描通过将局部初始化主距估计替换为在物理可行候选范围内有界搜索来解决耦合标定问题。该扫描涵盖固定焦距运行期间的小幅漂移和重新对焦后的显著主距变化。对于每个候选主距，通过后方交会估计相应的外方位参数，再由前方交会评估所得目标空间的几何一致性。保留预定义扫描域内重建残差最低的候选对。联合优化共享经典光束法平差的多元视角一致性原则，但MJP-DCS并非重新命名后的光束法平差流程。光束法平差主要从给定初始化出发优化相机参数和三维结构，而MJP-DCS则侧重于在弱RAS标定约束下，通过搜索驱动识别和前方交会验证可靠的主距-外方位组合。

总之，通过将全域覆盖扫描策略和多目标联合主距标定方法相结合，本文开发了一种适用于RAS的非接触式鱼类测量系统。该方案的主要贡献总结如下：

(1) 采用全域覆盖扫描策略进行鱼类表型测量，构建适用于RAS的跨介质多相机视觉测量系统。同步相机捕获自由游动鱼类的多视角图像。人工标注的解剖学特征点提供了几何重建所需的观测值。

(2) 提出一种多目标联合标定算法，以克服传统视觉测量方法依赖标定场地并对环境变化敏感的局限。跨视角几何约束联合估计有效主距和外方位参数。所得标定减少了与固定跨介质成像配置、微小姿态变化和相机参数漂移相关的可重复几何偏差。该方法不显式识别物理折射率或追踪各界面间的射线路径。

(3) 建立了基于多视角融合的前方交会解算模型。由联合标定的外方位参数引入目标空间坐标映射过程。多视角前方交会和冗余观测降低了标定工作体积内的重建变异性。

基准指标用于评估所提方法在鱼类表型测量中的有效性和精度。此外，在RAS平台上验证了其适用性，确认了在受控养殖环境中的可行性。本工作解决了现有视觉养殖测量中标定不稳定和精度不足的问题，为构建养殖数字孪生系统提供了可靠的增长数据。图1展示了基于全域覆盖扫描和多目标联合标定的鱼类表型测量方法示意图。

本文其余部分组织如下：第2节回顾鱼类表型测量研究和摄影测量在水产养殖中的理论基础。第3节描述全域覆盖扫描和多目标联合主距标定，以及体长和眶间距测量与实验装置。第4节报告实验结果和跨研究描述性基准。第5节总结主要发现并提出未来工作。

### 文献片段

**水产养殖监测中的特征选择**：鱼类表型参数与生长性能和健康状况相关，是精准养殖中参数选择的重要参考。体长和眶间距在RAS中作为主要指标，具有明确的生物学基础[17]。体长从吻部最前点延伸至尾鳍最后点，是鱼类生长的标准指标，用于非侵入性方法估算生物量和评估方法。

**方法**：MJP-DCS[38]在RAS中提供鱼类表型特征的非接触式几何测量。同步触发的多相机系统捕获冗余观测用于相机标定。解剖学特征点通过操作员辅助界面进行定位和配对。随后的几何一致性验证、相机标定和形态测量计算在计算端完成。因此，该方法贡献在于几何测量而非结果。

**结果与讨论**：理论分析确认了所提方法的可行性。然而，性能量化需要基于关键运行指标的对比评估。评估指标包括平均绝对误差（MAE）、均方根误差（RMSE）、平均绝对百分比误差（MAPE）、决定系数（R2）、最大值（max）和最小值（min）。具体而言，MAE衡量平均绝对偏差，RMSE反映误差量级，MAPE评估。

### 结论

通过将全域覆盖扫描与多相机联合主距标定方法集成到RAS中，本文开发了一种高精度非接触式测量鱼类体长和眶间距的技术。在实验室和RAS配置中，体长和眶间距的MAE在1.45至1.97毫米之间。两种设置下相似的误差表明与人工参考测量达到毫米级一致性，并支持特定配置的工程设计。

**动物伦理声明**：所有涉及活鱼的程序均经湖北工业大学研究伦理与科技安全委员会在2026年5月10日依据HBUT20260051号协议审核批准。动物操作、浸泡麻醉、人工测量和恢复监测均按照批准协议及适用的机构和本地动物福利要求执行。

**CRediT作者贡献声明**：谢志伟：写作—审阅与编辑、写作—原稿、可视化、验证、方法论、形式分析、数据管理。张道德：项目管理、资金获取。陆恩顺：验证、监督、调查、资金获取、概念化。裴晓鹏：可视化、数据管理。初航：软件。从志怡：写作—审阅与编辑。

**利益冲突声明**：作者声明不存在可能影响本文报告工作的已知竞争性财务利益或个人关系。

**致谢**：本工作受武汉市重点研发计划（编号2023010402010589）、智慧农场设计与开发项目（编号ZXKY20230528）、湖北省自然科学基金青年科学基金项目（编号2024AFB501）以及湖北工业大学博士科研启动基金（编号XJ2022007001）资助。

**作者**：谢志伟 | 张道德 | 陆恩顺 | 裴晓鹏 | 初航 | 从志怡