摘要:仿生鱼凭借生物启发的推进机制，在水下航行中兼具高推进效率、良好机动性以及低航行噪声，可在复杂水域环境中稳定作业，为海洋环境监测、渔业资源探测与水下工程作业等提供新的技术路径。本研究系统梳理了2005—2024年人工智能软体仿生鱼的研究进展，围绕生物原型机理、仿生设计理论、结构与驱动方式、智能控制算法及能源供给系统等维度进行总结，并按推进模式、驱动类型和典型应用场景开展对比分析。结果表明： BCF（Body and/or caudal fin）推进模式在长距离、高速巡航中效率更优，MPF（Median and/or paired fin）推进模式在低速机动与近底精细作业中稳定性更强；人工肌肉与柔性驱动在低噪声、高仿生运动上取得显著突破，但在循环寿命、输出一致性和工程化成本等方面仍存在瓶颈；多模态感知、自主决策与分布式协同控制已取得阶段性成果，但跨平台、复杂海况下自适应能力与实海可复现性仍显不足。未来需以人工智能与智能控制深度融合、新型智能材料研发、跨介质作业能力拓展为核心突破方向，重点建立统一测试基准、长期海试验证体系与标准化工程设计规范，全面提升仿生机器鱼在海洋探测、渔业资源调查与水下作业场景的工程化应用水平。

摘要:在全球气候变化加剧、渔业资源时空分布不确定性上升的背景下，人工智能（Artificial intelligence，AI）凭借其强大的高维时空数据表征能力，正成为推动海洋渔情预报技术发展的重要力量。本研究系统综述了AI在渔情预报中的应用与研究进展。首先，梳理了涵盖多源数据整合与预处理、模型构建与训练以及模型性能评估的标准化AI渔情预报流程；其次，总结了AI在鱿鱼、金枪鱼等大洋性重要经济物种渔情预报中的研究进展，阐释了集成学习与深度学习在复杂非线性环境响应建模中的优势；最后，围绕时空尺度优化、最优模型选择及气候变化响应机制等3个关键科学问题进行了深入讨论。随着AI技术的不断进步，未来渔情预报将向多任务联合预报与概率预报方向发展，以期为构建兼具高精度、高稳定性和生态学解释能力的智能渔情预报体系以及自主决策智能体提供理论支撑。

摘要:在人工智能与大数据技术蓬勃发展的背景下，知识图谱融合多学科知识，在渔业等众多专业和领域取得了显著的成效，能够较好地解决专业知识分散、可视化不足等问题。为此，本研究系统梳理了知识图谱基本理论，包括构建方式构建流程、本体构建、知识抽取等关键技术，以及在渔业领域的应用进展与面临的挑战，并基于文献计量的方法分析和探讨其在研究热点，以及具体应用情况与存在的不足。研究结果表明，渔业知识图谱应用虽呈上升趋势，并在文献计量、信息检索、智能问答和信息推荐等核心场景取得进展，但仍普遍存在研究范围有限、检索算法落后、复杂推理能力不足及长尾内容处理效果欠佳等局限。同时，知识图谱构建正从手工向自动化转型，本体构建、知识抽取与存储技术趋于成熟，但知识融合、推理和可视化环节仍存在明显短板，面临数据异构、领域复杂性等挑战。研究建议，未来知识图谱在渔业中的应用应聚焦数据整合与标准化、多模态渔业知识图谱构建以及渔业知识图谱图神经网络预测等领域，以推动渔业智能化和可持续发展。

摘要:为了解决小型特种船舶在水下维护过程中面临的作业空间受限、壁面曲率多变及环保法规趋严等挑战，梳理并评估适用于该类船舶的水下维护机器人关键技术。系统分析了国内外水下维护机器人的技术现状，重点对比了磁吸附、负压及机械夹持等吸附机理在变曲率与非磁性基底上的稳定性，评估了不同驱动系统在复杂工况下的运动性能，并总结了清刷与水射流等主流清洗工艺。研究揭示了现有技术在自适应吸附、高精度驱动及绿色化作业方面的演进特征，并探讨了针对非磁性复合材料船舶的检测与干预手段，分析了现行技术标准对生物污垢防控与污染物捕获的性能要求。研究表明，未来小型特种船舶维护机器人应向具备AI路径规划、多模态SLAM导航及模块化复合载荷的方向发展，以实现高效、精准的绿色运维。本研究可为小型特种船舶智能化运维装备的研发提供参考，对提升我国小型特种船舶维护效率及满足水域生态保护要求具有重要意义。

摘要:针对水下遥控机器人（Remotely operated vehicle， ROV）在复杂环境作业时，因负浮力脐带缆的非线性拖曳与海浪瞬态冲击导致的轨迹偏离问题，开展脐带缆动力学响应分析与抗扰轨迹跟踪控制方法研究。首先，采用集中质量法与莫里森方程建立脐带缆动力学模型，利用OrcaFlex软件分析典型工况下脐带缆的时变张力与拖曳扰动特性。其次，设计改进视线法（Improved line-of-sight， ILOS）实现三维空间轨迹的降维解耦与制导；引入线性扩张状态观测器（Linear extended state observer， LESO）对脐带缆拖曳力与浪流的未知复合扰动进行实时估计与前馈补偿，并结合幂次滑模控制（Power rate sliding mode control， PRSMC）柔化控制输出以抑制高频抖振。最后，基于MATLAB与OrcaFlex搭建联合仿真平台进行闭环验证。仿真结果显示，在复杂折线轨迹跟踪中，本研究控制方法的三自由度平均绝对误差相较于传统滑模控制（Sliding mode control， SMC）分别降低了28.40%、27.95%及49.78%。研究表明，在面临复杂轨迹与多源复合扰动时，本研究控制算法能够实现对流缆耦合未知干扰的精确观测与实时补偿，有效减少稳态误差与系统抖振，具备较好的跟踪精度与强鲁棒性。本研究可为强干扰环境下ROV的抗扰控制系统设计与应用提供参考依据。

摘要:深入探究大眼金枪鱼（Thunnus obesus）鱼体的水动力特性，可为高效减阻渔具仿生设计与延绳钓作业参数优化提供科学依据。实验采用数值模拟与水槽模型实验相结合的方法，以大眼金枪鱼为研究对象，依据其体型特征通过Solidworks软件构建三维数值模型与硅胶鱼物理模型，分析不同流速和冲角下鱼体的水动力特性、周围流速及表面压力分布。结果显示：（1）在0°冲角时，流速对称分布，鱼体中部流速高，头部和尾部流速低。随着冲角增大，高流速区域转移至鱼体背流侧，迎流侧高流速区域后移。当冲角超过25°时，背流侧高流速区域扩大，迎流侧低流速区域覆盖迎流面。同时，背鳍和尾鳍之间出现高流速区域；（2）随着冲角增加，大眼金枪鱼迎流侧的正压区域扩大，背流侧负压区域也增加。当冲角大于20°时，正压几乎覆盖整个鱼体，背腹部和第一背鳍后缘负压增大。鱼体背流侧在冲角小于15°时头部为正压，但随冲角增加（由0°到45°）正压区域减少，面积占比由14.64%逐渐减少至5.61%，负压扩大，而尾柄处始终保持正压。本研究认为大眼金枪鱼鱼体结构曲率、冲角对表面的流速分布具有协同影响；冲角对鱼体表面压力分布的影响是流体动能转换和流动结构重塑的结果。

摘要:为掌握茎柔鱼（Dosidicus gigas）对不同颜色钓钩的选择性，以提高钓捕效率，本研究根据“宏润107号”远洋鱿钓船于2025年1—2月在东南太平洋作业期间采集的钓捕视频数据，采用改进的YOLOv8n模型结合ByteTrack多目标跟踪算法，实现了鱿鱼钓钩颜色与鱿鱼上钩行为的自动识别，掌握了茎柔鱼对不同颜色钓钩的选择性及其上钩率。通过优化输入分辨率、调整损失函数及引入数据增强策略，改进的YOLOv8n模型在Box损失上收敛更快，mAP50-95较原模型提升约15%，能够在复杂背景下准确识别鱿鱼钓钩颜色与鱿鱼目标；结合多目标跟踪算法后，系统可实现视频中各鱿鱼钓钩上钩渔获的自动判别。统计结果表明，茎柔鱼对不同颜色钓钩具有明显选择性，其中选择性较高的钓钩颜色依次是黄色、橘色、蓝色、红色、粉色、暗色和浅黄色，但没有显著性差异（P>0.05），而青色与白色钓钩的选择性为最低（P<0.05）。研究表明，茎柔鱼对不同颜色钓钩的选择具有一定的偏好性，暖色系钓钩（如黄色、橘色、红色）较能诱发其捕食反应；而冷色系钓钩（如青色、白色）吸引效果较差。本研究基于人工智能图像识别技术实现了远洋鱿钓作业中不同颜色钓钩及其渔获状况的系统量化与全流程自动监测，为鱿钓作业优化、捕捞效率提高提供了技术支撑，同时为构建远洋鱿钓数字孪生系统提供了数据支撑，对推动我国远洋鱿钓渔业的智能化与信息化发展具有重要意义。

摘要:针对远洋渔业船载摄像头图像中金枪鱼目标易受复杂甲板背景、光照变化、鱼体遮挡及相似种类差异影响，导致种类自动检测精度不足和边缘端部署困难的问题，提出一种基于YOLO11n的轻量化金枪鱼种类检测算法ACLB-YOLO。以YOLO11n为基线模型，在骨干网络中融合多认知视觉适配器Mona与C2PSA，增强模型在强光、局部过曝和复杂背景下的鲁棒特征表征能力；在颈部网络构建BiFPN-GLSA模块，通过全局-局部空间注意力机制强化密集遮挡目标的特征关联；在检测头引入Detect_AFPN_P345渐进式特征金字塔，缓解多尺度特征融合中的语义冲突；进一步采用层自适应幅值剪枝（Layer-adaptive magnitude-based pruning，LAMP）对模型进行轻量化压缩，并在NVIDIA Jetson Orin NX平台上开展嵌入式部署验证。结果表明，在自建金枪鱼数据集上，剪枝后ACLB-YOLO的mAP@0.5达到86.15%，较YOLO11n基线模型提高9.03%，模型大小由5.1 MB降至2.4 MB；在嵌入式平台上，剪枝后模型平均推理帧率达到46.5帧/s，单帧总延迟为21.51 ms。ACLB-YOLO能够有效提升复杂船载图像场景下金枪鱼种类检测性能，剪枝后模型在保持较好检测精度的同时显著降低了模型复杂度。本研究可为远洋渔业电子监控系统中的金枪鱼自动分类、渔获统计和船载边缘设备实时部署提供技术支持。

摘要:为了高效地从渔船自动识别系统（Automatic identification system，AIS）提取渔船捕捞状态信息，为打击非法、无管制和未报告的捕捞活动（Illegal， unreported， and unregulated，IUU）提供技术支持。本研究提出了一种融合多尺度卷积神经网络（Convolutional neural network， CNN）与长短期记忆网络（Long short-term memory， LSTM），并引入多头自注意力机制（Multi-head self-attention， MHSA）的深度学习模型（CNN-LSTM模型）。该模型以西北太平洋海域4类典型渔船（延绳钓、围网、拖网和鱿钓）的AIS轨迹片段为输入，综合提取渔船航速、航向、经纬度及其动态变化特征。为解决样本不均衡问题，模型在训练中引入了类别权重机制。实验结果显示，模型对捕捞与非捕捞状态的识别准确率分别达到84.8%和85.4%。对拖网、围网和鱿钓渔船的捕捞状态识别精度均高于88%，但对延绳钓渔船的召回率偏低（73.12%），这表明其复杂的作业行为对模型识别构成挑战。研究表明，不同类型渔船在捕捞状态下的航速分布、昼夜作业模式以及季节性分布存在显著差异。本研究所构建的模型能够有效识别多种类型渔船的捕捞状态，弥补了传统基于规则或聚类方法在复杂行为识别上的不足。本研究可为提升远洋渔业动态监测与监管效率、实现非法捕捞行为监测以及渔业资源评估提供技术支撑。

摘要:为了克服由于水下环境复杂性对光学图像造成的视觉退化问题，以及现有的高精度模型难以部署在资源受限设备上的难题，提升自主式水下航行器等智能渔业设备的光学感知能力与自主作业能力，提出一种基于轻量模型骨干的水下双任务网络UED-Transformer（Underwater efficient dual-task transformer），该网络联合单目深度估计任务与语义分割任务，并利用双单任务教师模型生成伪标签，通过生成的水下图像数据集对UED-Transformer进行训练。结果显示，在公开水下多标签数据集MIMIR-UW的实验中，模型在语义分割任务上的平均交并比提升至79.3%，像素准确率达93.7%，单目深度估计任务的均方根误差降至4.975。研究表明，该轻量多任务网络在保持低计算成本的同时具备良好的多任务表现，将有效提升渔业设备在复杂水下环境中的场景智能感知和理解能力。可为智能渔业设备提供高效、轻量化的视觉算法系统，降低对高算力设备的依赖，推动人工智能技术在渔业装备智能化领域的落地。

摘要:为了解决高分辨率无人机遥感影像中海岛水边线分割过程中易出现的断裂、误分割与漏分割等问题，本研究提出一种面向高分辨率无人机遥感影像的海岛瞬时水边线分割模型MF-MaxViT（Moga-Semantic FPN-MaxViT）。该模型以MaxViT（Multi-axis vision transformer）为主干网络，主要改进包括：引入局部窗口注意力与全局栅格注意力，实现局部细节与全局语义特征的协同提取；在MaxViT Block中集成Moga（Multi-order gated aggregation）模块，通过特征分解、多阶上下文特征提取及特征聚合，增强模型对多尺度上下文信息的表征能力；引入Semantic FPN（Semantic feature pyramid network）结构，实现多尺度特征融合，提升深层语义与浅层边界信息的协同表达能力。实验结果表明，在自主构建的高分辨率无人机遥感数据集上，MF-MaxViT的平均交并比（Mean intersection over union，mIoU）达94.40%，平均像素准确率（Mean pixel accuracy，mPA）与总体准确率（Overall accuracy，OA）分别为97.15%和97.14%，性能优于DeepLab v3+、CrossFormer、U-Net和TransUNet等主流模型。此外，在2个公共卫星遥感数据集（中国沿海区域数据集和YTU-WaterNet数据集）上，MF-MaxViT亦展现出良好的泛化能力。研究结果表明，该模型能够在高分辨率海岛遥感影像中实现精确且稳定的水边线分割，为海岛遥感动态监测提供了一种高效、可靠的技术方案。

摘要:为应对滨海核电厂冷源生物堵塞取水口的安全风险，解决现有监测手段时空覆盖不足和预警时间过短的难题，本研究探索了利用作业渔船搭载的商用探鱼仪构建移动监测网络的可行性。以阳江核电厂取水口外部海域的毛虾为对象开展资源量评估的仿真研究。根据取水口拦截网的毛虾资源量数据与高斯随机场理论，仿真构建了具有真实空间异质性的毛虾生物量分布场的基础上，比较传统渔业资源声学调查评估方法和不同航线数量渔船随机声学采样的资源量监测效能。结果表明：监测频率是决定估算精度的关键因素，渔船网络在高频次监测条件下对毛虾生物量估算的绝对误差可接近低频次传统系统调查（ε=4）监测水平。渔船航线数量增加受航迹间空间重叠度的限制，精度改善呈现边际效益递减规律，毛虾爆发期（一月）最优渔船航线数量为8条，超过该数量后对调查精度改善趋缓。本研究为“核电厂取水口岸堤固定站点精准监控”与“外部海域渔船移动网络广域预警”相结合的监测体系建设，为提升核电冷源生物预警能力提供了科学依据。

摘要:为了探索光纤传感技术能否适应在水环境下对10~30 cm体长级别鱼类小目标的振动信号监测，弥补传统监测手段在现代渔业管理需求中的不足。本研究提出基于双M-Z（Mach-Zehnder）光纤干涉技术，搭建了双M-Z光纤传感系统，采用长20 cm质量为90 g的仿生鱼作为振动源，实验验证系统对仿生鱼振动信号的检测与定位能力，实验使用4种滤波算法对比分析振动信号的噪声处理能力，对滤波后的振动信号通过窗口互相关算法计算信号传播的时延差，从而实现对振动信号定位，再设置10、11和12 km等3处振动位置进行重复实验，每组20次，检验系统的定位能力和精度。研究表明，Savitzky-Golay滤波算法对比原始噪声信噪比提升4.436 3 dB，相关系数为0.783 0；窗口互相关算法计算传感光纤11 km处振动，得到偏移值m=6 474，时延值τ=51.79 μs，定位位置为10 821 m，误差约179 m；对3处实验位置的多次实验得到定位绝对误差分别为302.04 m、282.44 m和256.63 m，定位精度分别为97.48%、97.65%和97.86%。本研究结果表明双M-Z光纤传感系统能够高精度定位仿生鱼振动信号，可为现代渔业监测管理提供新型监测手段。

摘要:为响应渔业低碳化与数智化发展需求，解决渔场预测中溶解氧垂向剖面信息相关性强的问题，本研究以东南太平洋秘鲁外海茎柔鱼（Dosidicus gigas）渔场为研究对象，探讨溶解氧关键水层的客观识别方法在渔场智能预测中的适用性。基于2014—2021年秘鲁近海的茎柔鱼渔场作业数据及0~200 m溶解氧剖面数据，采用自组织映射神经网络（Self-organizing map， SOM）结合层次聚类分析，对31个溶解氧垂向深度层进行非线性降维，挖掘溶解氧垂直结构的非线性特征并识别关键代表层；在此基础上，整合气候因子（PDO、Ni?o 1+2），构建随机森林（Random forest，RF）、梯度提升回归树（Gradient boosting regression trees，GBRT）和TabPFN模型，对比分析完整溶解氧剖面与降维特征方案下茎柔鱼单位努力渔获量（Catch per unit effort，CPUE）的预测性能与空间分布特征。结果表明：（1）通过溶解氧垂向结构分析可稳定识别23 m与147 m两个关键水层；（2）降维特征可在不显著降低预测精度的前提下实现溶解氧信息的有效简化；（3）关键水层溶解氧在空间分布上与茎柔鱼CPUE高值区具有一致性特征，且CPUE与关键水层溶解氧呈正相关。本研究结果可为基于海洋环境监测数据的渔场智能预测与捕捞决策提供参考。

摘要:为了识别西南大西洋阿根廷滑柔鱼（Illex argentinus）适宜作业区，比较不同类型渔船活动数据在栖息地适宜性指数（Habitat suitability index，HSI）模型渔场预测中的适用性与差异性。实验以西南大西洋为研究区，采用2017—2023年1—5月船舶自动识别系统（Automatic identification system，AIS）数据和可见光红外成像辐射仪套件（Visible infrared imaging radiometer suite，VIIRS）船舶探测（VIIRS boat detection，VBD）数据作为实验集，表征鱿钓船捕捞努力量，结合多源、多深度海洋环境因子，利用增强回归树（Boosted regression tree，BRT）模型筛选月尺度关键环境变量并确定权重，在此基础上构建加权算术平均模型（Weighted arithmetic mean model，WAMM）和加权几何平均模型（Weighted geometric mean model，WGMM），对2024年1—5月适宜作业区进行预测，采用2024年AIS、VBD数据及渔业生产统计数据进行验证。结果显示，BRT模型能够识别影响作业分布的关键环境因子，基于AIS数据构建的BRT模型交叉验证曲线下面积（Area under the curve，AUC）为0.91~0.96，基于VBD数据构建的BRT模型AUC为0.81~0.83。基于两种数据构建的BRT模型筛选结果表明，影响阿根廷滑柔鱼作业分布的关键环境因子为海水温度、海水盐度和海表面高度。HSI模型验证结果表明，WAMM在AIS和VBD数据下的适宜栖息地平均占比分别为81.01%和71.15%，均高于WGMM。2024年1—5月，高适宜生境主要沿巴塔哥尼亚陆架外缘及坡折带呈带状分布，并在福克兰群岛北部及东北侧形成局地高值区。研究表明，基于BRT赋权的WAMM模型更适用于阿根廷滑柔鱼适宜作业区识别；AIS数据在月尺度上有利于表征作业活动的空间连续性和整体分布格局，VBD数据在渔汛中后期对高渔获和高单位努力量渔获量（Catch per unit effort，CPUE）区域的覆盖比例更高。本研究可为西南大西洋阿根廷滑柔鱼渔场识别、动态监测与多源渔船活动数据联合应用提供方法参考。

摘要:漂流人工集鱼装置（Drifting fish aggregating devices，DFAD）已广泛应用于金枪鱼围网渔业，其大规模部署可能改变鱼群聚集行为并影响自由鱼群捕获量分布。然而，DFAD对金枪鱼自由群分布的影响仍缺乏系统分析，相关预测模型亦较为有限。以中西太平洋围网渔业数据为基础，在假设捕捞效率相对稳定的条件下，以单位捕捞努力量渔获量（Catch per unit effort，CPUE）表征自由群捕捞水平，提出“背景场+残差”分解框架。首先利用环境变量和时间特征构建机器学习模型，建立自由群CPUE的环境背景场，并通过实际CPUE与背景场之差得到残差；随后构建不同时间滞后和空间邻域尺度的DFAD特征，采用随机森林筛选对残差预测贡献更高的时空信息组合。在此基础上，构建时空多任务模型对CPUE残差进行预测，并通过消融实验评估DFAD特征的作用。结果表明，DFAD特征在不同时间滞后时预测的表现不同，过去第3、4、5月DFAD特征重要性高于第2个月。模型在残差二分类任务中取得71.54%的预测准确率，优于不包含DFAD特征的对照模型。研究表明，该分解框架能够整合环境与DFAD特征，有效提升自由群CPUE异常变化的预测能力。