摘要：目前,国内外部分自动化程度较高的捕捞渔船逐渐开始采用人类观察员与电子观察员相结合的捕捞监控方式。为简化电子监控系统数据处理流程、提高电子监控系统自动化程度、增强相关渔业公司及政府部门的管理效率,该研究提出将卷积神经网络(Convolutional Neural Network, CNN)与长短期记忆模块(Long Short Term Memory, LSTM)应用在传统电子监控系统数据中,用于灯光渔业日本鲭捕捞渔船行为提取。根据日本鲭捕捞渔船工作特点,划分出放网、收网、进鱼、转载等9种捕捞作业行为。设计4组平行试验,分别对比3层卷积神经网络、带有LSTM模块的3层卷积神经网络、8层卷积神经网络、带有LSTM模块的8层卷积神经网络在日本鲭捕捞渔船行为提取中的表现。试验结果显示,在测试集中该4种神经网络训练得到的模型综合评价指标F1分数分别达到了0.794、0.799,0.966及0.972,在配备NVIDIA Tesla V100 32GB高性能GPU的超算环境下5 000组数据平均每次检测耗时分别为34.66、34.50、37.41、37.61 ms。在一定范围内,网络深度的增加会显著提升模型的效果,但检测耗时也会有明显增加;LSTM模块的加入对网络模型效果有一定程度的提升,且不会显著影响检测耗时。因此,CNN-LSTM模块在电子监控系统高实时性、高精度场景下均有较大的应用前景,能够提高电子监控系统自动化程度,提高相关部门的管理效率。

摘要：为克服人工规划网口捕捞路线的主观性和滞后性,提高我国南极磷虾捕捞的自动化水平,设计了基于层次分析法的南极磷虾捕捞网口前进路线规划体系。在分析磷虾虾群体积反向散射强度数据图像获得磷虾的局部密度中心位置的基础上,以3次B样条曲线为路径规划器,构造磷虾虾群的路径簇。采用层次分析法建立路线评价模型,评价候选路线的优劣,以经济性和可控性为准则,以捕捞率、路径长度、平均曲率、拐点个数量化各个指标,构造路径择优体系,获得最优路径。在现有实测数据基础上的实验结果表明,本算法磷虾捕捞率为94.33%,比人工规划路线的捕捞率多了9.80%、规划路线平均总耗时为2.5 s,可以满足磷虾捕捞网口前进实时规划的要求,有利于实现瞄准捕捞,提高捕捞效率,降低人工成本。