面向海洋渔业捕捞生产的深度学习方法应用研究进展

随着全球渔业资源不断衰退,各国渔业机构和区域渔业管理组织采用渔业观察员方式促进渔业可持续捕捞,但人类观察员方式成本高、覆盖率低,难以满足管理需要。近年来,深度学习新模型不断涌现和完善,其检测速度、精度均在不断增强,为其应用于海洋渔业捕捞生产监控提供了条件。本文从数据获取、数据预处理、算法设计、模型训练和精度评价等方面,总结了渔业捕捞生产监测模型的构建过程,以渔船与渔船行为、渔获物、渔场预报、船员和渔具为对象,综述了深度学习技术在海洋渔业捕捞中的应用,并提出利用迁移学习或强化学习等方法来拓展识别目标种类及增强检测模型、利用高精度的特征提取网络提高目标分类准确率、通过边缘计算技术解决电子监控数据实时解析及制定统一标准以规范电子监控在渔业管理中的应用等未来重点研究方向,以期为深度学习在海洋渔业捕捞生产中的推广应用提供科学参考。