Recognition of Acetes chinensis fishing vessel based on 3-2D integration model behavior
-
摘要: 针对中国毛虾 (Acetes chinensis) 产量逐年锐减问题，中国开始对近海海域实施毛虾限额捕捞措施，采用视频监控技术辅助捕捞管理。提出一种基于3-2D融和模型的毛虾捕捞渔船行为识别方法，为限额捕捞管理提供新的解决方案。通过在毛虾渔船上4个固定位置安装高清摄像设备，并记录捕捞作业全过程，共获取600余个视频监控数据作为初始数据；从初始数据中筛选有效的视频数据，同时对视频数据进行5种行为的划分和标记。为了提高网络训练的效率，对视频数据进行压缩和帧数分割等预处理；最后，通过搭建3-2D融合的卷积神经网络来训练模型，实现渔船行为特征的提取和分类。结果表明，捕捞渔船行为识别方法的分类精度为95.35%，召回率为94.50%，平均精确度为96.60%，模型整体得分达93.32%，平均检测时间为35.46 ms·帧−1，可用于毛虾渔船捕捞视频的实时分析。Abstract: Since the yield of Acetes chinensis has decreased sharply year by year, China has begun to implement quota fishing measures for A. chinensis in offshore waters by using video surveillance technology to assist the fishing management. This paper proposes a method for identifying the behavior of A. chinensis fishing vessels based on the 3-2D fusion model, so as to provide a new solution for quota fishing management. By installing high-definition camera equipment at four fixed positions on the A. chinensis fishing vessel and recording the entire process of fishing operations, we had obtained more than 600 video surveillance data had been as initial data. Secondly, we filtered effective video data from the initial data, and divided and labeled them with five behaviors. In order to improve the efficiency of network training, we preprocessed the video data such as compression and frame number segmentation. Finally, the model was trained by building a 3-2D fusion convolutional neural network to realize the extraction and classification of fishing vessel behavior characteristics. The results show that the classification accuracy of the fishing vessel behavior recognition method was 95.35%; the recall rate was 94.50%; the average accuracy was 96.60%; the overall score of the model could reach 93.32%; and the average detection time was 35.46 ms·frame−1. The method can be used for real-time analysis of the fishing video of A. chinensis fishing boats.
-
Keywords:
- Acetes chinensis /
- Quota fishing /
- Deep learning /
- Convolutional neural network
-
广东鲂 (Megalobrama terminalis) 是一种江河洄游鱼类，在我国南方水系中占有重要的渔业生产地位[1-2]。我国南方水系复杂多样，并经历了多次河流袭夺，而气候变化导致的海平面波动是形成其特有河网系统的重要因素之一[3]。由于广东鲂对淡水环境依赖性较强，因此，海平面波动产生的地理隔离，对广东鲂种群的遗传结构产生了一定影响。Chen等[3]指出3个广东鲂地理遗传种群分别为珠江、漠阳江和海南岛万泉河种群，并发现广东鲂种群在不同的淡水栖息地中表现出明显的适应性分化。刘凯等[4]研究表明，受地理分布、食物来源、遗传特征和栖息环境等因素的叠加影响，鱼类的不同地理种群在肌肉营养成分上能够产生相对稳定的变异。然而，不同广东鲂地理种群肌肉营养成分是否存在显著差异尚不清楚。目前，对广东鲂研究多在于早期资源、资源捕捞量、性腺发育、繁殖策略、消化生理等方面[1-3,5-8]，针对不同广东鲂种群肌肉营养成分和能量密度的研究尚未见报道。由于人类活动的不断加强 (如水利水电工程、航道治理、水污染、过度捕捞等)，珠江野生广东鲂种群数量持续下降[2,7-8]，漠阳江和万泉河广东鲂种群则呈现规模小、片段化分布特征，在其他陆河河流如榕江、鉴江、韩江中已难以监测到野生样本。因此，本研究测定了万泉河、漠阳江、西江广东鲂种群肌肉营养成分和能量密度，探究不同地理广东鲂种群肌肉营养成分差异，以期充实鱼类营养学和能量生态学研究材料，也为不同广东鲂的野生地理种群的分类保护和合理利用提供科学依据。
1. 材料与方法
1.1 样本采集
2020年6—7月分别于海南省琼海市万泉河琼海段 (QH, 110°27"36'E, 19°12"36'N)、广东省阳江市漠阳江段 (YJ, 111°42"2'E, 22°48"7'N) 以及广东省肇庆市珠江干流 (西江) 肇庆江段 (ZQ, 112°24"35'E, 23°5"24'N) 采集到150尾广东鲂，各采样点50尾 (雌、雄各25尾) 。采用哈希水质分析仪测量取样点的水温、盐度、溶解氧 (Dissolved oxygen, DO) 和pH，并测量样品的体长和体质量。采样站位的环境信息和样本生物学信息见表1。采用液氮快速冷冻样本，于–20 ℃冷冻保存，随后带回实验室−80 ℃保存。采集背部中后段肌肉 (每尾在相同位置采集20 g肌肉) 用于检测肌肉成分。各项指标由广东省质量监督食品检验站进行检测，各实验组均设置3个重复，每个重复含10尾样本 (背部肌肉捣碎)。
表 1 3个广东鲂地理种群环境信息和样本生物学信息Table 1. Basic environmental information, biological information of three M. terminalis populations指标
Index采样点 Sampling site 琼海 QH 阳江 YJ 肇庆 ZQ 环境指标 Environmental index 水温 Water temperature/℃ 30.0±0.2 29.2±0.4 28.6±0.3 盐度 Salinity 0.03±0.01 0.01±0.02 0.01±0.01 酸碱度 pH 7.7±0.3 7.9±0.3 7.8±0.3 溶解氧质量浓度 DO/(mg∙L−1) 6.8±0.2 6.7±0.2 7.0±0.2 生物学指标 Biological index 体长 Body length ($\overline { X}\pm { \rm {SD}} $)/mm 233±17.6 253±20.7 271±27.3 体质量 Body mass ($\overline { X}\pm { \rm {SD}} $)/g 354±19.4 424±33.1 521±30.1 1.2 肌肉营养成分和能量密度测定方法
样本水分测定采用GB 5009.3—2016；粗蛋白测定采用GB 5009.5—2016；脂肪测定采用GB 5009.4—2016；灰分测定采用GB 5009.4—2016；氨基酸测定采用GB T5009.124—2016；脂肪酸测定采用GB 5009.168—2016。采用电感耦合等离子体质谱仪 (7700 Series) 依据GB 5009—2016测定样本中钾 (K)、钙 (Ca)、钠 (Na)、磷 (P)、镁 (Mg)、锌 (Zn)、铁 (Fe)、铜 (Cu)、锰 (Mn) 等矿质元素含量。根据联合国粮农组织/世界卫生组织 (FAO/WHO) 提出和1991年中国预防医学科学院营养与食品卫生研究所提出的氨基酸评分模式，计算氨基酸评分 (Amino acid score, AAS)、化学评分 (Chemical score, CS) 和必需氨基酸指数 (Essential amino acid index, EAAI) [9-10]。Phillipson微量能量仪 (Gentry Instruments Inc., Aiken, South Carolina, USA) 测定能量密度。
1.3 数据分析
采用单因素方差分析 (One-way ANOVA) 检验不同广东鲂地理种群肌肉营养成分差异显著性。如差异显著，则采用多重比较方法比较平均数之间的差异，显著性水平为0.05。数据分析采用SPSS 19.0统计软件进行。实验数据均用“平均值±标准差 (
$\overline X \pm {\rm{SD}} $ )”表示。采用R (3.1.14) 对3个广东鲂种群肌肉生化分析结果进行主成分分析 (Principal component analysis, PCA)。2. 结果
2.1 一般营养成分和能量密度分析
万泉河广东鲂肌肉水分质量分数显著高于西江种群，而粗蛋白质质量分数则显著低于西江种群 (P<0.05，表2)。粗脂肪和灰分质量分数在3个地理种群中均无显著性差异。西江种群肌肉能量密度显著高于万泉河和漠阳江种群 (P<0.05)。
表 2 3个广东鲂地理种群肌肉中的一般营养成分和能量密度Table 2. Nutritional composition of muscle of three M. terminalis populations项目
Item广东鲂种群 M. terminalis population 琼海 QH 阳江 YJ 肇庆 ZQ 水分质量分数 Moisture mass fraction/% 79.0±0.5a 78.2±0.9ab 77.0±0.6b 粗蛋白质质量分数 Crude protein mass fraction/% 18.3±0.5b 19.1±0.7ab 20.2±0.5a 粗脂肪质量分数 Crude lipid mass fraction/% 1.2±0.1 1.1±0.1 1.3±0.1 粗灰分质量分数 Ash mass fraction/% 1.1±0.1 1.2±0.1 1.2±0.1 能量密度 Energy density/(kJ·g−1) 3.1±0.1b 3.2±0.2b 3.6±0.2a 注：同行不同上标字母表示差异显著 (P<0.05)，下表同此。 Note: Different superscript letters within the same row indicate significant difference (P<0.05). The same case in the following tables. 2.2 氨基酸组成分析与评价
3个广东鲂地理种群共检测出18种常见氨基酸 (表3)。西江种群肌肉中的总氨基酸含量 (Total amino acids, TAA) 最高，漠阳江种群次之，万泉河种群最低。在必需氨基酸 (Essential aamino acid, EAA) 中，西江种群的赖氨酸和亮氨酸含量显著高于万泉河种群 (P<0.05)，漠阳江种群介于两者之间。呈味氨基酸中，西江种群肌肉中的天冬氨酸、谷氨酸、甘氨酸和丙氨酸含量均显著高于万泉河种群 (P<0.05)。漠阳江种群肌肉中必需氨基酸/总氨基酸 (EAA/TAA) 最高，而西江种群最低。呈味氨基酸/总氨基酸 (DAA/TAA) 在3个广东鲂地理种群肌肉中无明显差异。芳香氨基酸/支链氨基酸 (BCAA/AAA) 在万泉河种群肌肉中最高，漠阳江种群次之，西江种群最低。将3个广东鲂地理种群肌肉的EAAI进行标准模式 (FAO/WHO) 及全鸡蛋蛋白质模式2种评价 (表3)，分别计算出各EAA的AAS、CS和EAAI (表4)。万泉河、漠阳江和西江种群肌肉中的第一限制性氨基酸为蛋氨酸+半胱氨酸，第二限制性氨基酸为缬氨酸，其余各EAA的AAS均高于1；各EAA的CS与AAS结果保持一致。3个广东鲂地理种群肌肉中的EAAI达80以上，说明其氨基酸组成十分均衡。其中西江种群肌肉EAAI最高 (85.05)。
表 3 3个广东鲂地理种群肌肉氨基酸组成Table 3. Comparison of amino acid composition of muscles of three M. terminalis populations项目
Item广东鲂种群 M. terminalis population 琼海 QH 阳江 YJ 肇庆 ZQ 天冬氨酸* Asp 1.80±0.04b 1.82±0.07b 1.99±0.05a 苏氨酸# Thr 0.80±0.02 0.80±0.03 0.86±0.04 丝氨酸 Ser 0.72±0.02 0.73±0.03 0.80±0.04 谷氨酸* Glu 2.78±0.06b 2.68±0.10b 2.99±0.14a 脯氨酸 Pro 0.61±0.02 0.63±0.02 0.66±0.04 甘氨酸* Gly 0.83±0.04b 0.87±0.04ab 0.97±0.06a 丙氨酸* Ala 1.06±0.02b 1.09±0.03b 1.18±0.08a 缬氨酸#△ Val 0.85±0.02 0.87±0.03 0.92±0.04 蛋氨酸 Met 0.53±0.01 0.53±0.02 0.57±0.03 异亮氨酸#△ Ile 0.78±0.02 0.79±0.02 0.83±0.03 亮氨酸#△ Leu 1.41±0.03b 1.41±0.05ab 1.52±0.05a 半胱氨酸 Cys 0.11±0.07 0.19±0.03 0.43±0.15 酪氨酸◆ Tyr 0.62±0.02 0.61±0.02 0.66±0.02 苯丙氨酸# Phe 0.72±0.02 0.74±0.02 0.80±0.03 赖氨酸# Lys 1.73±0.05a 1.73±0.09ab 1.87±0.03b 组氨酸○ His 0.42±0.01 0.45±0.04 0.48±0.05 精氨酸○ Arg 1.07±0.04 1.07±0.04 1.17±0.07 色氨酸# Trp 0.27±0.04 0.35±0.03 0.37±0.05 氨基酸总量 TAA 17.11±0.58a 17.37±0.69a 19.07±0.57b 呈味氨基酸总量 DAA 6.47±0.06a 6.46±0.08a 7.13±0.07b 必需氨基酸/非必需氨基酸 EAA/NEAA/% 72.41 73.03 69.95 必需氨基酸/总氨基酸 EAA/TAA/% 38.34 38.51 37.60 半必需氨基酸/总氨基酸 SEAA/TAA/% 8.36 8.41 8.26 芳香氨基酸/支链氨基酸 BCAA/AAA/% 4.90 5.03 4.05 注：#. 必需氨基酸；○. 半必需氨基酸；*. 呈味氨基酸；△. 支链氨基酸；◆. 芳香氨基酸。 Note: #. Essential amino acid; ○. Semiessential amino acid; *. Delicious amino acid; △. Branched chain amino acid; ◆. Aromatic amino acid. 表 4 3个广东鲂地理种群肌肉氨基酸评价Table 4. Evaluation of essential amino acids composition of muscle of three M. terminalis populations评价模式
Evaluation method氨基酸
Amino acids广东鲂种群 M. terminalis population 琼海 QH 阳江 YJ 肇庆 ZQ 氨基酸评分 AAS 苏氨酸 Thr 1.09 1.05 1.07 缬氨酸 Val 0.94 0.92 0.92 色氨酸 Trp 1.53 1.91 1.91 异亮氨酸 Ile 1.06 1.03 1.03 亮氨酸 Leu 1.09 1.05 1.07 赖氨酸 Lys 1.73 1.66 1.70 苯丙氨酸 Phe+酪氨酸 Tyr 1.20 1.17 1.19 蛋氨酸 Met+半胱氨酸 Cys 0.82 0.78 0.80 化学评分 CS 苏氨酸 Thr 0.93 0.90 0.91 缬氨酸 Val 0.71 0.69 0.69 色氨酸 Trp 0.96 1.24 1.31 异亮氨酸 Ile 0.80 0.78 0.78 亮氨酸 Leu 0.90 0.86 0.88 赖氨酸 Lys 1.34 1.28 1.31 苯丙氨酸 Phe+酪氨酸 Tyr 0.81 0.78 0.80 蛋氨酸 Met+半胱氨酸 Cys 0.47 0.45 0.46 必需氨基酸指数 EAAI 83.31 83.37 85.05 2.3 脂肪酸组成分析
3个广东鲂地理种群肌肉中共检测出23种常见脂肪酸 (表5)，其中包括7 种饱和脂肪酸 (Saturated fatty acid, SFA) 7种单不饱和脂肪酸 (Monounsaturated fatty acid, MUFA) 和9种多不饱和脂肪酸 (Polyunsaturated fatty acids, PUFA)。SFA中C14:0、C16:0和C22:0在万泉河种群肌肉中的含量显著高于漠阳江和西江种群 (P<0.05)。万泉河种群肌肉中MUFA总量显著低于西江和漠阳江种群 (P<0.05)。其中，C16:1、C18:1 n-9t、C18:1 n-9c漠阳江种群肌肉中含量最高，而在万泉河种群肌肉中含量最低。C22:1 n-9、C24:1在漠阳江种群肌肉中含量显著低于西江和万泉河种群。西江种群肌肉中二十二碳六希酸 (DHA) 含量最高，显著高于万泉河和漠阳江种群 (P<0.05)。PUFA在万泉河种群肌肉中含量最高，西江种群次之，漠阳江种群最低。
表 5 3个广东鲂地理种群肌肉脂肪酸组成Table 5. Comparison of fatty acids of muscles of three M. terminalis populations% 项目
Item广东鲂种群 M. terminalis population 琼海 QH 阳江 YJ 肇庆 ZQ 肉豆蔻酸 C14:0 5.36±0.85a 3.53±0.41b 3.40±0.32b 十五碳酸 C15:0 1.02±0.25 0.66±0.05 0.70±0.13 棕榈酸 C16:0 27.33±1.47 a 21.83±1.16 b 21.80±1.99 b 珠光脂酸 C17:0 2.03±0.35 0.99±0.18 1.13±0.33 硬脂酸 C18:0 11.34±1.79a 5.97±1.03b 8.14±1.65ab 花生酸 C20:0 0.29±0.05a 0.15±0.02b 0.21±0.07ab 花生酸 C22:0 0.30±0.08a 0.10±0.01c 0.17±0.01b ∑饱和脂肪酸 SFA 47.67±2.12a 33.23±2.85b 35.56±4.35b 肉豆蔻烯酸 C14:1 0.06±0.02 0.12±0.02 0.08±0.01 棕榈油酸 C16:1 6.21±1.22b 10.45±1.73a 8.10±0.52ab 顺-11-二十碳一烯酸 C20:1 2.32±0.36 1.85±0.08 2.06±0.15 顺-15-二十四碳一烯酸 C24:1 0.27±0.09a 0.06±0.01b 0.24±0.10a 反式油酸 C18:1 n-9t 0.21±0.05b 0.43±0.07a 0.35±0.07ab 油酸 C18:1 n-9c 16.73±3.87b 35.53±4.35a 31.80±3.65a 二十二碳一烯酸 C22:1 n-9 1.09±0.36a 0.11±0.03b 1.03±0.61a ∑单不饱和脂肪酸 MUFA 26.89±3.93a 48.54±5.20b 43.66±7.08b 亚油酸 C18:2 n-6c 4.30±0.64a 2.23±0.33b 1.59±0.64b α-亚麻酸 C18:3 n-3 5.54±0.86a 4.03±1.56ab 2.35±0.51b γ-亚麻酸 C18:3 n-6 0.14±0.02a 0.08±0.02ab 0.01±0.00b 顺,顺-11,14-二十碳二烯酸 C20:2 0.39±0.08 0.34±0.01 0.36±0.04 顺-11,14,17-二十碳三烯酸 C20:3 n-3 0.32±0.05 0.27±0.06 0.21±0.08 顺,顺,顺-8,11,14-二十碳三烯酸 C20:3 n-6 0.39±0.09a 0.22±0.03b 0.14±0.01c 花生四烯酸 C20:4 n-6 (ARA) 5.27±0.89a 2.94±0.42b 4.88±0.95a 二十碳五烯酸 C20:5 n-3 (EPA) 3.16±0.72 4.06±0.10 4.09±0.87 二十二碳六烯酸 C22:6 n-3 (DHA) 5.74±1.03b 3.95±0.13c 7.03±1.28a ∑多不饱和脂肪酸 PUFA 25.11±2.83a 18.04±2.47b 20.64±5.61ab 2.4 矿质元素组成分析
3个广东鲂地理种群肌肉中均含有丰富的矿质元素，其中K质量分数最高，Ca次之 (表6)。西江种群肌肉中K和Ca质量分数显著高于万泉河种群，而Na和Mg质量分数则显著低于万泉河种群 (P<0.05)。万泉河种群肌肉Zn质量分数显著高于漠阳江和西江种群，而Mn和Fe质量分数显著低于漠阳江和西江种群 (P<0.05)。
表 6 3个广东鲂地理种群肌肉矿质元素组成Table 6. Mineral element of muscle of three M. terminalis populationsmg∙kg−1 元素
Element广东鲂种群 M. terminalis population 琼海 QH 阳江 YJ 肇庆 ZQ 钾 K 3 340.05±105.36b 3 460.04±192.92ab 3 820.36±221.12a 钙 Ca 1 050.12±28.87 b 1 100.25±40.02 ab 1 200.11±34.64 a 钠 Na 487.34±58.96a 345.35±7.23b 385.57±30.66b 镁 Mg 298.65±3.79 303.05±2.65 332.31±5.51 磷 P 241.59±25.97 230.45±2.08 247.78±4.04 锌 Zn 6.47±0.15a 4.16±0.18b 3.82±0.17b 铁 Fe 3.06±0.13c 4.75±0.14b 6.43±0.18a 铜 Cu 0.12±0.00 0.12±0.01 0.13±0.01 锰 Mn 0.21±0.01c 0.38±0.02b 0.64±0.01a 2.5 3个广东鲂种群生化分析结果的主成分分析
综合3个广东鲂种群生化分析结果，并进行PCA。西江种群分布距均万泉河和漠阳江种群较远，万泉河种群和漠阳江种群相对较近。PCA共提取了2个主成分，对变异的累积贡献率为80.25%。其中主成分1的贡献率为50.75%，主成分2的为29.50% (图1)。
![]()
图 1 3个广东鲂种群肌肉生化成分主成分分析散点图Figure 1. Scattering diagram of principal components for biochemical analysis parameters of muscle of three M. terminalis populations3. 讨论
鱼类肌肉中蛋白质和脂肪含量是评价其营养价值的重要指标[11]。3 个广东鲂地理种群肌肉的粗蛋白质量分数 (18.3%~20.2%) 高于团头鲂 (Megalobrama amblycephala)、鲤 (Cyprinus carpio)、鲢 (Hypophthalmichthys molitrix)、鳙 (H. nobilis) 和草鱼 (Ctenopharyngodon idella)，与翘嘴鲌 (Culter alburnus) 接近[12-13]。3个广东鲂地理种群肌肉粗脂肪质量分数 (1.1%~1.3%) 较团头鲂、翘嘴鲌、鲢、鳙、斑鳜 (Siniperca scherzeri) 等低[12-14]，与常见的海水鱼类如牙鲆 (Paralichthys olivaceus)[15]、黄斑篮子鱼 (Siganus oramin)[16]和日本鳗鲡 (Anguilla japonica)[17]类似，表现出典型的低脂肪、高蛋白的特点。本研究发现，3个广东鲂种群肌肉生化PCA结果显示西江种群分布距万泉河和漠阳江种群较远，可能是由于栖息地环境因子以及饵料生物种类存在明显差异。本研究还发现，西江种群能量密度显著高于漠阳江和万泉河种群。能量密度被认为是衡量鱼体能量储备水平的重要指标，能直接反映鱼类发育状况以及对外界环境因子的适应性[18]。鱼类生殖洄游是主动的、定期定向的高耗能运动，且鱼体自身能量储备有限，因此鱼类洄游须尽可能地调节自身身体结构、能量储备和代谢能力以适应生殖洄游的需要[19-20]。3个广东鲂种群生殖洄游距离存在明显差异，可能是导致种群间肌肉中能源物质的积累程度不同的主要原因之一。有研究发现鱼类肌肉能量累积和消耗与其洄游能力密切相关[21-22]。
鱼类肌肉中蛋白质的营养价值由各种EAA含量和组成比例决定[23-24]。本研究显示，在3个广东鲂种群肌肉中谷氨酸含量均最高，谷氨酸作为一种重要呈味氨基酸，具有促进脑发育、治疗神经系统疾病等作用[25]。3个广东鲂种群肌肉中谷氨酸含量均高于团头鲂与翘嘴鲌[12]。西江种群肌肉中谷氨酸含量显著高于漠阳江和万泉河种群，表明西江种群肌肉较万泉河和漠阳江种群风味更佳。3个广东鲂种群肌肉中赖氨酸含量均较高，其中，西江种群肌肉中赖氨酸含量最高。赖氨酸是人体EAA之一，不仅具有提高蛋白质利用率和促进人体生长发育的作用，还可以增强免疫力、改善神经系统、预防骨质疏松[24,26]。在FAO/WHO提出的人体均衡蛋白需求理想模式中，EAA/NEAA>60%的蛋白质质量较好[27]，3个野生广东鲂种群肌肉均属于良好的蛋白源。西江种群肌肉中的EAAI最高 (85.05)，说明其肌肉中EAA组成最为平衡，蛋白质营养价值最高。肌肉中的脂肪酸含量是影响肌肉风味的重要因素之一[28]。本研究发现，西江和漠阳江种群肌肉均表现出MUFA的高占比。有研究表明，MUFA在调节人体脂质代谢方面具有重要的生理作用[29]。PUFA中DHA与EPA含量是评价鱼类营养成分的关键指标[30]。西江种群肌肉中的DHA含量显著高于漠阳江和万泉河种群，表明西江种群肌肉的脂肪质量较高。
矿物质元素是构成人体组织的重要成分，参与人体内多种物质的代谢和生理活动[31]。3个广东鲂种群肌肉中Na、K、Ca等常规矿质元素以及Fe、Zn、Cu、Mn等微量元素均有检出。K、Fe、Zn等矿质元素含量低于异齿裂腹鱼 (Schizothoraxo connori)[32]。Ca含量显著高于褐点石斑鱼 (Epinephelus fuscoguttatus) 和青石斑鱼 (E. awoara) 等多种海鱼[31]。西江种群肌肉中Fe含量显著高于漠阳江和万泉河种群，而Zn含量则显著低于万泉河种群。Fe具有造血功能和促进人体生长的作用等，Zn可以促进儿童智力的正常发育[33]。3个广东鲂地理种群肌肉多种微量元素含量差异显著，这可能是由于栖息水环境的差异所致。万泉河种群相对西江种群，其主要栖息水域为河口，盐度相对较高，易受潮汐影响。有研究发现淡水环境中Fe含量均显著高于海水，Zn含量明显低于海水环境[34-35]。因此，栖息地环境差异导致了Zn在万泉河种群肌肉中富集度更高，Fe和Mn则在西江种群肌肉中富集度更高。
-
![]()
图 4 捕捞渔船初始拍摄数据统计图
Figure 4. Statistics chart of initial shooting data of fishing vessel
![]()
图 6 3-2D融合模型的卷积神经网络结构图
Figure 6. Convolutional neural network structure diagram of 3-2D fusion model
表 1 选用视频数据
Table 1 Selection of video data
渔船标签
Fishing vessel label渔船行为
Fishing vessel behavior渔船视频数量
Number of fishing vessel videos/个0 停靠 Dock 90 1 航行 Sail 110 2 下网 Cast net 110 3 收网 Put away net 110 4 等待 Wait 80 
下载: 导出CSV
表 2 制作数据标签
Table 2 Production of data labels
视频路径
Video path视频帧数
Video frames捕捞渔船标签
Fishing vessel label行为状态
Behavioral statesyy/d01/D01_20210617171455.mp4 0~13 230 0 停靠 Dock syy/d01/D01_20210620043651.mp4 0~11 940 1 航行 Sail syy/d01/D01_20210620043651.mp4 11 940~50 093 2 下网 Cast net syy/d01/D01_20210630181131.mp4 0~69 301 3 收网 Put away net syy/d01/D01_20210620061938.mp4 0~4 330 4 等待 Wait
下载: 导出CSV
表 3 模型评价主要指标及结果
Table 3 Main indicators and results of model evaluation
指标
Index训练结果
Training result测试结果
Test result精度 Precision/% 99.60 95.35 召回率 Recall rate/% 99.63 94.50 平衡F分数 F1-Score/% 99.06 93.32 平均精确度 AP/% 98.70 96.60 时间 t/(ms·帧−1) — 35.46
下载: 导出CSV
-
[1] 李国东, 仲霞铭, 熊瑛, 等. 基于北斗船位数据的渔业信息解译与应用研究——以中国毛虾限额捕捞管理为例[J]. 海洋与湖沼, 2021, 52(3): 746-753. doi: 10.11693/hyhz20201000288 [2] 农业农村部渔业渔政管理局, 全国水产技术推广总站, 中国水产学会. 2019年中国渔业统计年鉴[J]. 北京: 中国农业出版社, 2020: 2. [3] MULYANI S, VESTIYATI P M, ALAMSYAH H K, et al. Effect of differences in salt concentration on the quality of rebon shrimp paste (Acetes sp.) in Tegal district[J]. IOP Conf Ser:Earth Environ Sci, 2021, 755(1): 012051. doi: 10.1088/1755-1315/755/1/012051
[4] UNG T D, TRAN T Y N, NGUYEN N L, et al. Biochemical characteristics of small shrimp (Acetes japonicus) of varied sizes collected in Ben Tre Province, Vietnam[J]. IOP Conf Ser: Mater Sci Eng, 2021, 1092(1): 012080. doi: 10.1088/1757-899X/1092/1/012080
[5] 刘洋, 张胜茂, 王斐, 等. 海洋捕捞鱼类BigH神经网络分类模型设计与实现[J]. 工业控制计算机, 2021, 34(6): 18-20. doi: 10.3969/j.issn.1001-182X.2021.06.007 [6] 梁建胜, 温贺平. 基于深度学习的视频关键帧提取与视频检索[J]. 控制工程, 2019, 26(5): 965-970. [7] 蒋梦迪, 程江华, 陈明辉, 等. 视频和图像文本提取方法综述[J]. 计算机科学, 2017, 44(S2): 8-18. [8] 李秀智, 张冉, 贾松敏. 面向助老行为识别的三维卷积神经网络设计[J]. 北京工业大学学报, 2021, 47(6): 589-597. [9] 耿家利. 渔船轨迹大数据存储优化与行为识别技术研究[D]. 杭州: 杭州电子科技大学, 2018: 5-8 [10] ZHANG H, YANG S L, FAN W, et al. Spatial analysis of the fishing behaviour of tuna purse seiners in the western and central Pacific based on vessel trajectory date[J]. J Mar Sci Eng, 2021, 9(3): 322. doi: 10.3390/jmse9030322
[11] 宁耀. 基于深度学习的渔船行为识别方法研究[D]. 兰州: 兰州大学, 2020: 42-53. [12] TRAN D, BOURDEV L, FERGUS R, et al. Learning spatiotemporal features with 3D convolutional networks[C]. 2015 Proceedings of the IEEE International Conference on Computer Vision (ICCV), Santiago, Chile. New York: IEEE, 2015: 4489-4497.
[13] CARREIRA J, ZISSERMAN A. Quo vadis, action recognition? A new model and the kinetics dataset[C]. 2017 Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), Honolulu HI, USA. New York: IEEE, 2017: 6299-6308.
[14] 王书献, 张胜茂, 朱文斌, 等. 基于深度学习YOLOV5网络模型的金枪鱼延绳钓电子监控系统目标检测应用[J]. 大连海洋大学学报, 2021, 36(5): 1-17. [15] 王书献, 孙永文, 张胜茂, 等. 基于卫星AIS远洋船位的热力图自动制图[J]. 渔业信息与战略, 2021, 36(1): 45-53. [16] 裴凯洋, 张胜茂, 樊伟, 等. 浙江省帆张网捕捞强度分布的提取方法[J]. 水产学报, 2020, 44(11): 1913-1925. [17] 张胜茂, 樊伟, 张衡, 等. 远洋捕捞渔船电子监控视频文字信息提取[J]. 渔业信息与战略, 2020, 35(2): 141-146. [18] 汤先峰, 张胜茂, 樊伟, 等. 基于深度学习的刺网与拖网作业类型识别研究[J]. 海洋渔业, 2020, 42(2): 233-244. doi: 10.3969/j.issn.1004-2490.2020.02.011 [19] 王书献, 张胜茂, 戴阳, 等. 利用声呐数据提取磷虾捕捞深度方法研究[J]. 南方水产科学, 2021, 17(4): 91-97. doi: 10.12131/20210020 [20] 农业农村部印发《通告》规定2021年伏休期间特殊经济品种专项捕捞许可[J]. 中国水产, 2021(6): 6-8. [21] IOFFE S, SZEGEDY C. Batch normalization: accelerating deep network training by reducing internal covariate shift[C]. 2015 International conference on machine learning (ICML), Lille, France. San Diego, CA: JMLR-Journal Machine Learning Research, 2015: 448-456.
[22] HE K, ZHANG X, REN S, et al. Delving deep into rectifiers: surpassing human-level performance on imagenet classification[C]. 2015 Proceedings of the IEEE International Conference on Computer Vision (ICCV), Santiago, Chile. New York: IEEE, 2015: 1026-1034.
[23] 崔雪森, 田晓清, 康伟, 等. 基于卷积神经网络的微藻种类识别[J]. 上海海洋大学学报, 2021, 30(4): 710-717. [24] 罗晨辉, 孙洪飞. 改进型的batch normalization: BNalpha[J]. 计算机应用研究, 2021, 38(6): 1870-1873. [25] WEI Q J, WANG W B. Research on image retrieval using deep convolutional neural network combining L1 regularization and PRelu activation function[J]. IOP Conf Ser: Earth Environ Sci, 2017, 69(1): 012156.
[26] 张胜茂, 刘洋, 樊伟, 等. 基于TensorFlow的水族馆鱼类目标检测APP开发[J]. 渔业现代化, 2020, 47(2): 60-67. doi: 10.3969/j.issn.1007-9580.2020.02.008 [27] 张超. P−R曲线与模型评估问题研究[J]. 现代信息科技, 2020, 4(4): 23-24. doi: 10.3969/j.issn.2096-4706.2020.04.007 [28] 陈冠宇. 基于深度学习的小目标检测方法研究[D]. 武汉: 中国地质大学, 2020: 27-29. [29] 马金涛. 基于深度学习的复杂环境目标检测方法研究[D]. 哈尔滨: 哈尔滨理工大学, 2021: 27-28. [30] 李琪. 基于深度学习的小目标检测方法研究[D]. 成都: 中国科学院大学 (中国科学院光电技术研究所), 2021: 13-14. [31] 赵亮, 胡杰, 刘汉, 等. 基于语义分割的深度学习激光点云3D目标检测算法[J]. 中国激光: 2021, 48(17): 171-183. [32] 李新德, 刘苗苗, 徐叶帆, 等. 一种基于2D和3D SIFT特征级融合的一般物体识别算法[J]. 电子学报, 2015, 43(11): 2277-2283. doi: 10.3969/j.issn.0372-2112.2015.11.021 [33] 卢元兵, 李华朋, 张树清. 基于混合3D-2D CNN的多时相遥感农作物分类[J]. 农业工程学报, 2021, 37(13): 142-151. doi: 10.11975/j.issn.1002-6819.2021.13.017 [34] 黄海广, 胡乃军, 仇志金, 等. 基于多源定位数据的实时船舶监控系统设计[J]. 中国海洋大学学报(自然科学版), 2015, 45(9): 122-129. [35] KROODSMA D A, MAYORGA J, HOCHBERG T, et al. Tracking the global footprint of fisheries[J]. Science, 2018, 359(6378): 904. doi: 10.1126/science.aao5646
[36] GUAN Y N, ZHANG J, ZHANG X, et al. Identification of fishing vessel types and analysis of seasonal activities in the northern South China Sea based on AIS Data: a case study of 2018[J]. Remote Sens, 2021, 13(10): 1952. doi: 10.3390/rs13101952
[37] 裴凯洋, 张胜茂, 樊伟, 等. 基于VMS的张网渔船捕捞努力量与网位坐标提取方法[J]. 上海海洋大学学报, 2021, 30(1): 179-188. [38] 朱浩朋, 伍玉梅, 唐峰华, 等. 采用卷积神经网络构建西北太平洋柔鱼渔场预报模型[J]. 农业工程学报, 2020, 36(24): 153-160,57. doi: 10.11975/j.issn.1002-6819.2020.24.018 [39] 范秀梅, 杨胜龙, 张胜茂, 等. 基于栖息地指数的阿拉伯海鲐鱼渔情预报模型构建[J]. 南方水产科学, 2020, 16(4): 8-17. doi: 10.12131/20190255 [40] 郑巧玲, 樊伟, 张胜茂, 等. 基于神经网络和VMS的渔船捕捞类型辨别[J]. 南方水产科学, 2016, 12(2): 81-87. doi: 10.3969/j.issn.2095-0780.2016.02.012 -
期刊类型引用(5)
1. 王志龙，夏耘，谢骏，舒锐，王广军，郁二蒙，雷小婷，龚望宝. 两种养殖蛙类肌肉品质、肠道形态学及微生物构成比较分析. 南方水产科学. 2024(01): 173-183 . 
本站查看
2. 滕忠作，招志杰，张英兰，杨宾兰，莫飞龙，卢玉典，叶香尘，韦玲静. 暗色唇鲮肌肉营养成分分析与品质评价. 江西农业学报. 2024(01): 107-113 . 百度学术
3. 龚雅婷，王兰梅，朱文彬，傅建军，罗明坤，董在杰. 不同体色福瑞鲤2号的肌肉品质. 水产学报. 2024(04): 289-297 . 百度学术
4. 张钰伟，杨静茹，温为庚，邓正华，赵旺，陈明强，王雨，马振华，于刚. 3个大珠母贝养殖群体生物学特征及肌肉营养成分分析. 南方农业学报. 2024(05): 1530-1539 . 百度学术
5. 齐子鑫，牛丽珠，王新华，海佳薇. 不同地理种群土鲶体成分比较分析. 中国饲料. 2024(21): 91-95 . 百度学术
其他类型引用(0)
计量
- 文章访问数:
- HTML全文浏览量:
- PDF下载量:
- 被引次数: 5
粤公网安备 44010502001741号
