中國水產(chǎn)科學研究院東海水產(chǎn)研究所在魷魚捕撈船船員行為識別方面取得進展，相關(guān)成果以論文“Behavior Recognition of Squid Fishing Vessel Crew based on Deep Learning”發(fā)表在漁業(yè)國際期刊《Fishes》（JCRQ2，影響因子：2.3）。東海所與上海海洋大學聯(lián)合培養(yǎng)研究生宋一帆為第一作者，漁業(yè)遙感技術(shù)與數(shù)字漁業(yè)創(chuàng)新團隊張勝茂副研究員為通訊作者。
隨著遠洋捕撈的發(fā)展，船員的工作環(huán)境和監(jiān)控變得越來越重要。傳統(tǒng)的遠洋人類觀測方法成本高、覆蓋范圍低、時效性差、且易受主觀因素影響。電子監(jiān)測系統(tǒng)（EMS）具有在各種天氣條件下連續(xù)運行、數(shù)據(jù)更加客觀、透明、高效、對捕撈作業(yè)干擾較小等優(yōu)點。本研究介紹了3DCNN模型、LSTM+Resnet模型、timesformer模型如何應用于視頻分類任務，并首次應用于EMS系統(tǒng)。通過測試比較三種模型在視頻分類中的應用效果，討論將它們用于視頻識別的優(yōu)勢和挑戰(zhàn)，我們得到了使用不同模型的視頻識別的準確率和相關(guān)指標。研究結(jié)果表明，當NUM_frameS設置為8時，LSTM+Resnet-50模型的性能最好，能夠較為準確的識別魷魚捕撈船船員的行為模式，其準確率為88.47%，F(xiàn)1得分為0.8881，m_ap得分為0.8133。分析遠洋漁業(yè)EMS系統(tǒng)，可以提高我國遠洋漁業(yè)績效水平和管理效率，促進漁業(yè)知識服務體系和智慧漁業(yè)工程的發(fā)展。
該成果得到了嶗山實驗室項目、國家自然科學基金的支持。研究方法在中國水產(chǎn)舟山海洋漁業(yè)有限公司有限公司的北太平洋魷魚釣漁船捕撈監(jiān)控視頻開展了應用試驗。
