基于聲學(xué)攝像機(jī)的養(yǎng)殖池塘南美白對(duì)蝦資源量評(píng)估

沈 蔚，彭戰(zhàn)飛，張 進(jìn)，曹正良，廖德亮

(1 上海海洋大學(xué) 海洋科學(xué)學(xué)院，上海 201306；2 上海河口海洋測(cè)繪工程技術(shù)研究中心，上海 201306)

蝦類養(yǎng)殖業(yè)在全球漁業(yè)中占有十分重要的地位[1]，隨著現(xiàn)代漁業(yè)養(yǎng)殖工業(yè)集約化的發(fā)展，蝦類資源探測(cè)與評(píng)估成為集約化養(yǎng)殖的關(guān)鍵環(huán)節(jié)。由于養(yǎng)殖池塘的條件及蝦類底棲行為使得蝦類資源評(píng)估變得十分困難，而當(dāng)前養(yǎng)殖池塘蝦類資源評(píng)估多采用養(yǎng)殖經(jīng)驗(yàn)估計(jì)，誤差較大。因此，研究養(yǎng)殖池塘蝦類資源量探測(cè)與評(píng)估新方法，對(duì)蝦類漁業(yè)養(yǎng)殖的集約化發(fā)展具有重要的意義。

南美白對(duì)蝦(Litopenaeusvannamei)作為中國(guó)養(yǎng)殖水產(chǎn)品典型的代表性物種[2]，一直以來研究主要集中在南美白對(duì)蝦的生物學(xué)屬性，對(duì)其資源量的評(píng)估涉及極少[3-6]。隨著蝦類漁業(yè)養(yǎng)殖逐漸趨向智能化，蝦類漁業(yè)資源量評(píng)估成為研究的重點(diǎn)，評(píng)估方法不斷發(fā)展。早期主要是利用浮游動(dòng)物干重評(píng)估法[7]和生產(chǎn)量/生物量比例系數(shù)轉(zhuǎn)換評(píng)估法[8]評(píng)估蝦類漁業(yè)資源量，而中期則是利用站點(diǎn)取樣法[9]和網(wǎng)具拖網(wǎng)法[10]對(duì)蝦類漁業(yè)資源量調(diào)查及資源量的年際變化進(jìn)行研究。這類傳統(tǒng)的蝦類漁業(yè)資源量評(píng)估方法，既耗費(fèi)人物力，又損蝦類漁業(yè)資源。20世紀(jì)70年代研制的分裂波束式回聲探測(cè)儀，其利用回波積分或回波計(jì)數(shù)法對(duì)蝦類漁業(yè)資源量進(jìn)行評(píng)估[11]，具有方便快捷、對(duì)水生物無損害、效率高效等優(yōu)勢(shì)[12-14]，并逐漸成為水生物資源調(diào)查的重要方法之一[15]。但這種回聲探測(cè)儀主要利用回波強(qiáng)度(Target strength，TS)進(jìn)行估算，回波信號(hào)投影形成聲學(xué)圖像精度很低，水平方向上聲吶波束寬度大于5°(-3 dB時(shí))，目標(biāo)在距離上的測(cè)量存在很大誤差[16]。

近年來，一種新型利用聲透鏡發(fā)射獨(dú)立波束形成聲學(xué)影像的多波束系統(tǒng)—聲學(xué)攝像機(jī)(Dual-Frequency Identification Sonar， DIDSON[17])，因其能夠在渾濁、黑暗的水體環(huán)境顯示高清晰度聲學(xué)影像，被廣泛用于漁業(yè)管理、結(jié)構(gòu)監(jiān)測(cè)、水底探測(cè)、水下安檢等領(lǐng)域[18]。在漁業(yè)資源管理方面，DIDSON廣泛用于河流、湖泊、水庫(kù)等內(nèi)陸水域魚類計(jì)數(shù)、行為觀測(cè)等[19]。養(yǎng)殖池塘蝦類漁業(yè)資源評(píng)估方法可能會(huì)從魚類資源評(píng)估開發(fā)的方法中受益，但尚未發(fā)現(xiàn)DIDSON關(guān)于水產(chǎn)養(yǎng)殖池塘中蝦類漁業(yè)資源評(píng)估的研究。

本研究開發(fā)一種適用于養(yǎng)殖池塘南美白對(duì)蝦目標(biāo)識(shí)別并評(píng)估其資源量的方法，即利用無人船搭載DIDSON在養(yǎng)殖池塘內(nèi)掃描探測(cè)航線范圍內(nèi)的南美白對(duì)蝦，針對(duì)南美白對(duì)蝦的聲學(xué)成像構(gòu)建目標(biāo)識(shí)別計(jì)數(shù)模型，分析南美白對(duì)蝦數(shù)量、體長(zhǎng)和體質(zhì)量，從而估計(jì)養(yǎng)殖池塘南美白對(duì)蝦漁業(yè)資源量。

1 材料與方法

1.1 研究區(qū)域與航線設(shè)計(jì)

研究區(qū)域?yàn)樯虾Ｊ蟹钯t區(qū)某養(yǎng)殖池塘，為長(zhǎng)170 m，寬60 m的矩形封閉水域，橫剖面為倒梯形，邊緣淺，中間深，底部平坦。由于常規(guī)池塘工作船吃水深、引擎噪聲干擾大而影響蝦群行為無法進(jìn)行聲學(xué)探測(cè)。特設(shè)計(jì)無人船搭載DIDSON探測(cè)系統(tǒng)進(jìn)行南美白對(duì)蝦聲學(xué)數(shù)據(jù)采集，DIDSON安裝在無人船下，無人船及設(shè)備安裝示意如圖1所示。

圖1 調(diào)查設(shè)備及安裝示意圖

調(diào)查實(shí)際航跡圖如圖2所示。

圖2 無人船聲學(xué)調(diào)查航線

2020年9月8日，采用無人船搭載DIDSON探測(cè)系統(tǒng)進(jìn)行“平行斷面”形水聲學(xué)調(diào)查，由圖中A起點(diǎn)開始調(diào)查，調(diào)查時(shí)間36 min，無人船時(shí)速為0.5 m/s，無人船勻速運(yùn)動(dòng)，斷面間隔距離為10 m左右。聲學(xué)調(diào)查前關(guān)閉池塘飼養(yǎng)設(shè)備和停止一切池塘活動(dòng)，確保池塘處于自然狀態(tài)，無外界環(huán)境干擾。調(diào)查期間，天氣晴朗，水面無風(fēng)。

1.2 DIDSON聲學(xué)設(shè)備

DIDSON是美國(guó)華盛頓大學(xué)與Sound-Metrics公司研發(fā)制造的聲學(xué)攝像機(jī)，其利用聲鏡頭通過聲波聚焦形成非常狹窄的掃描波束來進(jìn)行測(cè)量并生成高清晰度畫質(zhì)的影像，具有高分辨率和快刷新率(見表1技術(shù)參數(shù))，可以代替光學(xué)系統(tǒng)用于黑暗渾濁能見度很低的水中。標(biāo)準(zhǔn)型DIDSON有兩種工作模式,分別對(duì)應(yīng)儀器不同工作頻率,即低頻探測(cè)模式和高頻識(shí)別模式，本研究由于小型蝦類需要高分辨率測(cè)量而使用DIDSON高頻識(shí)別模式。聲吶主要技術(shù)參數(shù)如表1所示。

表1 DIDSON主要參數(shù)

1.3 數(shù)據(jù)分析

1.3.1 目標(biāo)識(shí)別計(jì)數(shù)模型

ECHOVIEW漁業(yè)聲學(xué)后處理軟件是由澳大利亞ECHOVIEW SOFTWARE公司研發(fā)，已成為漁業(yè)聲學(xué)研究的主流軟件并支持DIDSON的數(shù)據(jù)處理。本研究基于ECHOVIEW的模塊功能開發(fā)南美白對(duì)蝦目標(biāo)識(shí)別計(jì)數(shù)模型，模型計(jì)算分析流程圖如圖3所示。

圖3 南美白對(duì)蝦目標(biāo)識(shí)別計(jì)數(shù)模型流程圖

圖4 南美白對(duì)蝦目標(biāo)識(shí)別計(jì)數(shù)模型處理效果示例

目標(biāo)識(shí)別計(jì)數(shù)模型主要步驟如下：

(a)數(shù)據(jù)整合：南美白對(duì)目標(biāo)識(shí)別計(jì)數(shù)模型解析原始文件，逐幀拼接成連續(xù)的時(shí)序圖像(圖4A)。

(b)噪聲去除：主要分為人工目視去除噪音、樣本靜態(tài)去噪和背景去除。人工目視去噪是通過后向散射強(qiáng)度回放數(shù)據(jù)，判斷偽樣本值(Sample value,Sv)，去除非目標(biāo)。樣本靜態(tài)去噪采用KOVESI圖像濾噪法[20]進(jìn)行噪聲去除，保留其視覺感知中最重要的圖像相位信息，過濾原始數(shù)據(jù)中的泥土、植被殘?bào)w、聲學(xué)偽影等背景(圖4B)。背景去除采用中值濾波算法和信噪比閾值濾波算法去除背景(圖4C)。

(c)多波束單目標(biāo)檢測(cè)：多波束目標(biāo)識(shí)別原理是設(shè)定目標(biāo)回聲閾值區(qū)間[a,b],并判斷回聲圖像中每個(gè)像素值(Pixel values,Pv)(x,y)是否在閾值區(qū)間[a,b]當(dāng)中,若在區(qū)間當(dāng)中,即用創(chuàng)建的多波束目標(biāo)Sv來代替或標(biāo)注符合要求的Pv(x,y),從而實(shí)現(xiàn)聲吶圖像目標(biāo)的識(shí)別[19](圖4D)。多波束目標(biāo)轉(zhuǎn)化是將DIDSON圖像拼接成Echogram圖像并對(duì)DIDSON圖像中的目標(biāo)進(jìn)行軌跡追蹤，使用α-β 軌跡追蹤算法對(duì)聲學(xué)影像中南美白對(duì)蝦進(jìn)行識(shí)別追蹤，追蹤結(jié)果以不同顏色的線條顯示，算法采用固定系數(shù)濾波，固定系數(shù)α和β分別控制追蹤目標(biāo)位置和速度的變化。原理為：利用前一時(shí)刻狀態(tài)量估計(jì)當(dāng)前時(shí)刻的狀態(tài)量，并與之相對(duì)比。其算法方程式如下所示[21]：

(1)

(2)

位置和速度的預(yù)測(cè)值為：

(3)

(4)

在同一運(yùn)動(dòng)軌跡上的每一幀圖像中提取目標(biāo)體長(zhǎng)[22]，而在水平方向運(yùn)動(dòng)時(shí)體長(zhǎng)最大且接近真實(shí)值，并提取為體長(zhǎng)值。目標(biāo)體長(zhǎng)閾值設(shè)置包括目標(biāo)屬性類型(目標(biāo)長(zhǎng)度橫穿波束)和最小閾值(大于0.05 m)，最終提取單目標(biāo)體長(zhǎng)(圖4F)。

1.3.2 體長(zhǎng)分析方法

由于DIDSON分辨率的限制和噪音的干擾，小規(guī)格個(gè)體(體長(zhǎng)小于5 cm)難以識(shí)別，同時(shí)考慮本次探測(cè)時(shí)間為秋季，出塘期南美白對(duì)蝦體型普遍較大，故設(shè)定輸出目標(biāo)最小閾值為5 cm。網(wǎng)捕數(shù)據(jù)中未發(fā)現(xiàn)體長(zhǎng)超過25 cm，為了便于統(tǒng)計(jì)分析，故將體長(zhǎng)區(qū)間設(shè)定為5～25 cm，劃分為4個(gè)統(tǒng)計(jì)區(qū)間進(jìn)行分析。

1.3.3 資源量估算

(5)

(6)

(7)

mi=S×ρ×σi

(8)

(9)

式中：h表示平均探測(cè)距離(m)，hi表示為每條波束與水底交點(diǎn)到聲吶的直線距離(m)，n表示為波束總數(shù)；li是航線的長(zhǎng)度(m)，Si表示聲吶從A點(diǎn)移動(dòng)到B點(diǎn)對(duì)應(yīng)探測(cè)面積(m2)；N表示為南美白對(duì)蝦目標(biāo)分析模型提取數(shù)量值(ind)，ρ表示為養(yǎng)殖池塘南美白對(duì)蝦平均密度(ind/m2)；mi表示區(qū)間內(nèi)數(shù)量(ind)，S表示為養(yǎng)殖池塘面積(m2)，σi表示為南美白對(duì)蝦區(qū)間數(shù)量比值；Y表示南美白對(duì)蝦總資源量(kg)，yi表示區(qū)間內(nèi)平均體質(zhì)量(kg)。

圖5 聲吶探測(cè)水域面積

1.4 南美白對(duì)蝦漁獲物方法

在南美白對(duì)蝦漁業(yè)資源調(diào)查期間，池塘養(yǎng)殖人員采用長(zhǎng)5 m×寬5 m網(wǎng)具(網(wǎng)眼對(duì)角線5 cm)進(jìn)行隨機(jī)捕撈，所有漁獲物帶回實(shí)驗(yàn)室進(jìn)行分析。

2 結(jié)果與分析

2.1 南美白對(duì)蝦數(shù)量統(tǒng)計(jì)

網(wǎng)捕南美白對(duì)蝦統(tǒng)計(jì)數(shù)量為30 ind，漁獲物中大規(guī)格個(gè)體(體長(zhǎng)>10 cm)數(shù)量占比為80.6%，其中體長(zhǎng)最大值為15.5 cm，均值為12.9 cm，方差為8.53 cm2。體質(zhì)量最大為28.7 g，均值為17.4 g，方差為68.72 g2。

2.2 南美白對(duì)蝦體長(zhǎng)

體長(zhǎng)是衡量蝦類生長(zhǎng)的重要指標(biāo)之一，體長(zhǎng)區(qū)間概率在一定程度上反映蝦類的生長(zhǎng)情況，南美白對(duì)蝦目標(biāo)識(shí)別計(jì)數(shù)模型自動(dòng)提取其體長(zhǎng)分布如圖6所示，大規(guī)格個(gè)體(體長(zhǎng)>10 cm)數(shù)量占比為78.2%。

圖6 體長(zhǎng)分布圖

2.3 體長(zhǎng)體質(zhì)量關(guān)系

利用南美白對(duì)蝦漁獲物體長(zhǎng)和體質(zhì)量數(shù)據(jù)進(jìn)行線性擬合(圖7)，冪函數(shù)線性擬合效果較為理想，擬合相關(guān)系數(shù)為0.895，體長(zhǎng)和體質(zhì)量關(guān)系式：y=0.015 8x2.691，x表示體長(zhǎng)(cm)，y表示體質(zhì)量(g)。

圖7 體長(zhǎng)體質(zhì)量擬合曲線圖

2.4 養(yǎng)殖池塘資源量評(píng)估

南美白對(duì)蝦水面的平均密度為7.39 ind/m2，根據(jù)池塘面積估算南美白對(duì)蝦數(shù)量74 378 ind，資源量估計(jì)為1 415 kg(表2)。

表2 南美白對(duì)蝦資源總量

2.5 統(tǒng)計(jì)誤差

為驗(yàn)證ECHOVIEW軟件計(jì)數(shù)的準(zhǔn)確性，對(duì)DIDSON原始圖像進(jìn)行了人工目視計(jì)數(shù)。人工目視計(jì)數(shù)即通過DIDSON軟件進(jìn)行數(shù)據(jù)回放,逐幀記錄圖像中南美白對(duì)蝦體長(zhǎng)大于5 cm的數(shù)量。表3中軟件計(jì)數(shù)誤差為8.47%，表明南美白對(duì)蝦目標(biāo)分析模型具有可觀的精度。同時(shí)統(tǒng)計(jì)養(yǎng)殖池塘捕撈記錄，養(yǎng)殖池塘實(shí)際體質(zhì)量為1 303 kg，聲學(xué)評(píng)估結(jié)果與實(shí)際捕撈量誤差為8.63%。

表3 誤差統(tǒng)計(jì)表

3 討論

3.1 南美白對(duì)蝦體長(zhǎng)測(cè)量

利用ECHOVIEW構(gòu)建南美白對(duì)蝦目標(biāo)識(shí)別計(jì)數(shù)模型實(shí)現(xiàn)其體長(zhǎng)自動(dòng)提取，其中體長(zhǎng)大于10 cm占比為78.2%。南美白對(duì)蝦漁獲物中體長(zhǎng)大于10 cm占比為80.6%，這與聲學(xué)探測(cè)結(jié)果呈現(xiàn)相同趨勢(shì)，這也驗(yàn)證了DIDSON探測(cè)方法的有效性和目標(biāo)識(shí)別計(jì)數(shù)模型的準(zhǔn)確性。研究提供了一種南美白對(duì)蝦體長(zhǎng)測(cè)量的新方法，相對(duì)于養(yǎng)殖經(jīng)驗(yàn)估計(jì)法、體長(zhǎng)體質(zhì)量線性模型[23]和網(wǎng)捕實(shí)測(cè)等方法具有方便性、快捷性和精度高的優(yōu)勢(shì)。目標(biāo)體長(zhǎng)作為生物資源量評(píng)估的重要參數(shù)，體長(zhǎng)-體質(zhì)量關(guān)系也是漁業(yè)生態(tài)學(xué)研究的常用公式之一[24]，但本研究建立的目標(biāo)識(shí)別計(jì)數(shù)模型提取的體長(zhǎng)與實(shí)際體長(zhǎng)存在誤差，誤差的范圍大小尚未進(jìn)行驗(yàn)證，后續(xù)將完善該工作，以進(jìn)一步提高提取精度。

3.2 池塘內(nèi)南美白對(duì)蝦資源量評(píng)估

開放水域蝦類漁業(yè)資源傳統(tǒng)調(diào)查方法以網(wǎng)具采樣為主，使用的網(wǎng)具包括底拖網(wǎng)、張網(wǎng)、定置網(wǎng)[10，25]等，而傳統(tǒng)網(wǎng)具采樣方法與聲學(xué)調(diào)查相結(jié)合正成為生物資源量評(píng)估的主流趨勢(shì)[26]。本研究采用DIDSON聲吶探測(cè)法對(duì)池塘養(yǎng)殖南美白對(duì)蝦資源量進(jìn)行探測(cè)與評(píng)估，目標(biāo)識(shí)別計(jì)數(shù)模型計(jì)數(shù)誤差為8.47%，體質(zhì)量評(píng)估誤差為8.63%，具有相對(duì)較高的評(píng)估精度，可以作為池塘蝦類資源評(píng)估的一種手段，并為開放的低能見度水域蝦類漁業(yè)資源評(píng)估提供了可借鑒的新技術(shù)手段和方法。但是，由表4可以看出，軟件自動(dòng)計(jì)數(shù)和聲學(xué)評(píng)估資源量與真實(shí)值相比，結(jié)果被高估，南美白對(duì)蝦目標(biāo)識(shí)別計(jì)數(shù)模型的軌跡追蹤算法誤差造成目標(biāo)重復(fù)計(jì)數(shù)是其主要原因；而模型將未剔除偽目標(biāo)識(shí)別為南美白對(duì)蝦目標(biāo)，造成誤識(shí)別計(jì)數(shù)也是其原因；另外人工目視計(jì)數(shù)的視覺疲憊造成目標(biāo)少計(jì)或者漏記等人為因素誤差[27]也是一方面原因。在聲學(xué)評(píng)估資源量的計(jì)算上，多數(shù)物種在陸地和海洋生態(tài)系統(tǒng)中具有聚集分布[28]的特征，而本研究利用水面平均密度法估算南美白對(duì)蝦漁業(yè)資源量，其分布的非均勻性和位置的動(dòng)態(tài)化造成平均密度法具有一定的局限性，進(jìn)而會(huì)影響資源量的評(píng)估。而在南美白對(duì)蝦實(shí)測(cè)體長(zhǎng)和體質(zhì)量數(shù)據(jù)進(jìn)行冪函數(shù)線性擬合實(shí)驗(yàn)中，體長(zhǎng)體質(zhì)量樣本數(shù)據(jù)較少可能也會(huì)造成其資源量的評(píng)估誤差。目前生物資源量評(píng)估誤差分析工作是接下來研究的重點(diǎn)，并研究如何進(jìn)一步提高評(píng)估精度。

3.3 聲學(xué)評(píng)估的適用性

目前DIDSON廣泛地應(yīng)用在漁業(yè)資源定量評(píng)估、體長(zhǎng)研究和種類鑒別等方面[29-30]，同時(shí)在未來對(duì)于了解資源量現(xiàn)狀、調(diào)查生物與環(huán)境之間的相互影響仍然是精確高效的手段[31]。DIDSON作為高分辨率的識(shí)別聲吶，其成像特性直觀地映射水下目標(biāo)，結(jié)合無人船評(píng)估養(yǎng)殖池塘南美白對(duì)蝦漁業(yè)資源量,是一次有意義的嘗試。DIDSON聲吶探測(cè)法的成功應(yīng)用，為蝦類漁業(yè)資源探測(cè)與評(píng)估提供了新方法，但由于聲吶成像的特性和蝦類的水下集群習(xí)性，聲吶圖像中對(duì)蝦會(huì)出現(xiàn)重疊現(xiàn)象[32]，導(dǎo)致目標(biāo)提取出現(xiàn)誤差，需在后續(xù)算法模型中進(jìn)行改進(jìn)。

無人船運(yùn)動(dòng)速度便于操控，不會(huì)因聲吶移動(dòng)速度過快而出現(xiàn)鋸齒狀輪廓[33]，從而減小了南美白對(duì)蝦漁業(yè)資源評(píng)估誤差。無人船監(jiān)測(cè)系統(tǒng)已經(jīng)應(yīng)用于海洋漁業(yè)養(yǎng)殖研究當(dāng)中[34]，而本研究設(shè)計(jì)無人船搭載DIDSON探測(cè)系統(tǒng)安裝簡(jiǎn)單、便于操作、方便快捷，淺水作業(yè)能力強(qiáng)等優(yōu)勢(shì)[35]，也極大增加了DIDSON水聲評(píng)估的應(yīng)用性。

4 結(jié)論

基于無人船搭載DIDSON探測(cè)系統(tǒng)實(shí)現(xiàn)了養(yǎng)殖池塘南美白對(duì)蝦漁業(yè)資源評(píng)估，為蝦類提供了一種新的聲學(xué)探測(cè)方法，同時(shí)DIDSON聲學(xué)評(píng)估可以提供了長(zhǎng)時(shí)間收集蝦類行為信息，為進(jìn)一步研究蝦類水下行為提供可靠的觀測(cè)方法。ECHOVIEW聲學(xué)數(shù)據(jù)后處理軟件及其相關(guān)算法為蝦類漁業(yè)資源評(píng)估提供了新的技術(shù)手段，提高了蝦類漁業(yè)資源的評(píng)估精度。但后續(xù)研究將繼續(xù)研究水下蝦類目標(biāo)的自動(dòng)提取算法，特別挖掘人工神經(jīng)網(wǎng)絡(luò)、全卷積神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林算法模型等機(jī)器學(xué)習(xí)方法在聲吶圖像處理中的潛力，進(jìn)一步提高聲吶圖像目標(biāo)提取的精度。

□