鱼群计数

从人工估产到智能感知：鱼群计数正在重构深水网箱养殖的盈利逻辑

当中国水产养殖产能从近岸浅海向深远海转移，10万吨级养殖工船、百米级深水网箱成为产业新的增长极，一个过去被忽略的行业痛点，正在成为撬动智慧渔业降本增效的核心支点：你到底有多少条鱼？

很长一段时间里，水产养殖的存塘量估算全靠渔民的经验——起网时大概看一眼，摸一摸平均重量估个总重，误差常常能达到30%以上。密度高了浪费饵料、溶解氧不足容易翻塘，密度低了浪费水体空间，直接影响全年收益。而现在，围绕准确、实时的鱼群计数技术，一场从计算机视觉到声学识别的技术迭代正在发生，越来越多的专利和落地方法正在把“估算”变成“算准”，给深远海养殖装上看得见的“数字化账本”。

鱼群计数的核心价值，从来都不是数清楚鱼的数量这么简单。宁波市海洋与渔业研究院和中国农业大学研究团队在2023年刊发的研究中明确指出：准确的鱼群计数是水产养殖全流程管理的基础——从育苗阶段的存活率评估，到养殖过程的投喂量管控、养殖密度调整，再到收获阶段的产能规划和运输销售定价，每一环都依赖准确的存塘数据。在深远海养殖场景中，这个需求比浅塘养殖更迫切：广东湛江的一个大型深水网箱，单笼养殖容量就超过100吨，一旦密度管控失误，一次泛塘就能给养殖户带来数百万元的损失。

传统鱼群计数方法之所以无法适配新的产业需求，其瓶颈早已显现：人工点算只适用于育苗场的小密度场景，大网箱根本无法操作；基于网捕抽样估算的方法误差大，还会惊扰鱼群、带来额外损耗；早期的机器视觉方法，又解决不了鱼群重叠、水下光线不均、不同大小鱼体混杂的复杂场景问题——正如中国农业大学研究团队提到的，现有方法很难处理复杂背景、多尺度鱼群图像的干扰，这也是当前行业研究要突破的核心问题。

针对视觉方案的痛点，国内科研团队已经拿出了一批可落地的创新成果。2023年7月11日，大连海洋大学渔业智能信息处理与装备创新科研团队获得了“基于多尺度双通道的鱼群计数方法”的发明专利授权，针对鱼群聚集重叠、大小尺度差异大的计数难题，这套方案通过双通道神经网络分别提取全局和局部特征，再融合多尺度信息完成计数，解决了大密度鱼群中漏检、误检的问题。除了计数本身，该团队还研发了基于密度分布的鱼群聚集行为和饥饿行为实时分析方法——这意味着，计数不再是一个只用于年底估产的静态数据，而是可以实时指导投喂的动态管理依据：当鱼群因为饥饿聚集到摄食区，系统完成实时计数后，可以直接对应算出需要投喂的饵料量，比传统凭经验投喂的模式节省10%以上的饵料成本，还能减少残饵带来的海洋污染。

同样针对多尺度鱼群的计数问题，宁波市海洋与渔业研究院联合中国农业大学团队提出了另一条技术路径：基于多尺度融合与无锚点YOLO v3的鱼群计数方法。针对小目标鱼体容易漏检、大密度鱼群重叠误差大的问题，该方法在原有的YOLO v3检测框架基础上融入了特征金字塔，把不同层级的特征融合起来强化对小目标鱼的识别，再用无锚点检测思路替代传统锚框方案，降低模型的计算量，进一步提升了复杂水下场景下的计数精度。公开研究信息显示，这套方案针对常见的高密度鱼塘养殖场景，计数准确率比传统方法提升了超过10个百分点，成本也适配中小养殖户的承受能力。

不过，纯视觉方案在深远海大网箱场景仍然有绕不开的瓶颈：深水区域光线不足，水体浑浊会遮挡视线，大网箱中鱼群分散在数十米深的水体中，水下相机很难覆盖全部区域。针对这一问题，科研人员把目光转向了声学方案，基于高频声呐图像的鱼群计数方法正在给深水网箱提供新的解决方案。中国水产科学研究院南海水产研究所联合江苏海洋大学的研究团队，2024年在《南方水产科学》刊发了针对海水网箱养殖卵形鲳鲹的数量估算方法，这套技术依托高频水平机械扫描式声呐完成水下探测，解决了浑浊水体、深水场景下视觉无法探测的问题。

具体来看，这套方法采用了微分水层并逐层聚类的技术路径，分为鱼群识别计数、鱼群聚类和鱼群数量拟合三个步骤：声呐获得全水层的扫描图像后，先把整个网箱的水体分成不同的薄层，再用DBSCAN密度聚类算法逐层识别鱼体回声信号，最后通过拟合得到整个网箱的鱼群总数量。卵形鲳鲹是我国华南地区深水网箱养殖的主力品种，2023年全国养殖产量超过30万吨，这套专门针对卵形鲳鲹优化的计数方法，填补了大型深水网箱全水体计数的技术空白，目前已经在广东茂名、湛江等地的深水网箱养殖区开展试验测试，初步结果显示计数误差可以控制在8%以内，远低于传统人工估算30%以上的误差水平。

从产业落地的角度看，鱼群计数技术的成熟，正在给水产行业带来实实在在的改变。过去深水网箱养殖走的是“靠天吃饭”的路子，投苗全凭经验，投喂跟着感觉走，产能预估不准常常导致销售端被动：明明预计有500吨成鱼，实际起捕只有350吨，错过了订单违约；要是估少了，又会导致产能闲置，损失订单收益。而准确的鱼群计数可以让养殖户提前半年掌握准确产能，提前对接销售渠道、锁定订单，把养殖的主动权握在自己手里。

在养殖端，实时鱼群计数带来的精细化管理收益更为明显：以一个1000吨容量的深水网箱养殖区为例，饵料成本占总成本的60%以上，过去因为不清楚准确存塘量，为了保证鱼生长往往会过度投喂，平均浪费率在10%到15%，按当前饵料价格计算，1000吨产能的养殖区一年仅浪费的饵料成本就超过40万元。基于实时鱼群计数的智能投喂系统，可以根据实际鱼的数量和生长状态精准计算投喂量，每年就能节省数十万元的成本。同时，合理的养殖密度也能降低病害发生概率，减少药物使用，进一步提升养殖产品的品质和收益。

当然，当前鱼群计数技术仍然面临不少落地挑战。不同养殖场景差异很大：工厂化循环水养殖水体清澈、鱼群密度适中，视觉方案就能获得很高的精度；而浑浊的近海深水网箱、养殖工船的大型舱体，就需要声呐方案配合；大个体的成鱼和小个体的育苗，识别模型也需要专门调整，目前还没有一套通用的解决方案可以适配所有场景。另外，智能计数设备的投入成本对中小养殖户来说仍然偏高，如何推出低成本的轻量化方案，也是技术落地需要解决的问题。

从整个低空经济和智慧海洋融合的视角来看，鱼群计数其实是水下智能感知体系的一个细分应用，随着水下具身智能、无人潜航器技术的发展，机动式的鱼群计数探测也将成为可能——未来养殖工船走在哪里，无人潜航器就可以随时对养殖舱完成全水体计数，数据实时同步到养殖管理系统，整个深远海养殖的智能化水平将会再上一个台阶。目前大连海洋大学的渔业智能团队已经把水下具身智能列入核心研究方向，相信不远的将来，机动自主的鱼群探测计数就能成为现实。

我国是全球最大的水产养殖国，2023年海水养殖产量超过3600万吨，深远海养殖的规模还在以每年10%以上的速度扩张，产业扩张带来的精细化管理需求，正在给鱼群计数这类细分智能技术带来巨大的市场空间。当越来越多的养殖场景用上准确的智能计数技术，整个水产行业的数字化转型才算真正落到了实处——从“凭经验养鱼”到“靠数据增收”，这个小小的计数技术，正在成为深远海养殖高质量发展的一块关键拼图。