近年来，海洋水产养殖业已成为水产食品供应的关键来源。1990年至2020年间，全球水产养殖总产量增长了六倍，是全球增长最快的食品生产行业。一方面，该行业因其在提高粮食安全和营养供给方面的潜力而受到广泛关注；另一方面，水产养殖活动也引发了诸多环境问题。例如，养殖动物的排泄物和低效的饲料利用可能导致藻类大量繁殖，进而对人类健康和更广泛的生态系统产生不利影响。此外，水产养殖中抗菌剂的使用水平估计已超过人类和陆地动物的使用量，这助长了多重抗菌剂耐药菌株的出现，对人类健康和经济社会发展构成了潜在威胁。
2.创新之处
我们提出了一种基于人工智能计算机视觉的方法，从遥感影像中识别海洋养殖网箱。我们首先创建了一个手工标注的数据集，该数据集包含来自Google Earth Pro的高分辨率卫星和航空影像中的养殖网箱。接下来，我们通过微调YOLOv5目标检测模型，并结合后处理方法，实现了对养殖网箱的遥感检测。最后，我们评估了模型的性能，并展示了在代表性区域（法国地中海沿岸）中应用该方法进行水产养殖网箱监测的效果及价值。
总体而言，我们的研究：提出了一种具有成本效益且适应性强的基于遥感技术的离岸水产养殖网箱检测方法；开发了一种从遥感影像中估算海洋网箱养殖产量的方法；展示了一个卫星遥感与人工智能协作的典型应用范例，专家能够利用该系统更高效地完成水产养殖网箱调查任务。
3.关键图表
图1 卫星遥感结合人工智能视觉算法养殖网箱识别流程概述
图2 海洋水产养殖网箱的遥感识别结果
4.主要结论
结果表明：1）在基于遥感影像的水产养殖网箱手动标注数据的基础上，我们训练了一个人工智能计算机视觉模型，用于从航空和卫星影像中识别海洋水产养殖网箱，并生成2000年至2021年法国地中海区域网箱养殖位置的空间分布数据集，包括4010个网箱（平均网箱面积69平方米）；2）验证了我们提出的方法的实用价值，该方法作为一种易于使用且具有高成本效益的工具，可以显著提高水产养殖调查的速度和可靠性。
5.发表信息
Quaade S, Vallebueno A, Alcabes O D N, et al. Remote sensing and computer vision for marine aquaculture[J]. Science Advances, 2024, 10(42): eadn4944.
6．声明
（1）小编水平有限，文章分析和理解均是个人见解，强烈推荐通过合理渠道获取原文，直接进行阅读。
（2）文稿涉及的材料仅为交流学习，如涉及版权和其他问题，请联系删除，小编对此表示歉意，邮箱：xu_xibo@126.com。
