<?xml version="1.1" encoding="utf-8"?>
<article xsi:noNamespaceSchemaLocation="http://jats.nlm.nih.gov/publishing/1.1/xsd/JATS-journalpublishing1-mathml3.xsd" dtd-version="1.1" xmlns:xlink="http://www.w3.org/1999/xlink" xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"><front><journal-meta><journal-id journal-id-type="publisher-id">TACS</journal-id><journal-title-group><journal-title>Technology and Application of Computer Science</journal-title></journal-title-group><issn>2998-8926</issn><eissn>2998-8934</eissn><publisher><publisher-name>Art and Technology</publisher-name></publisher></journal-meta><article-meta><article-id pub-id-type="doi">10.61369/TACS.2026080028</article-id><article-categories><subj-group subj-group-type="heading"><subject>Article</subject></subj-group></article-categories><title>基于水下目标检测技术的智能化海水养殖监测和处理系统</title><url>https://artdesignp.com/journal/TACS/3/8/10.61369/TACS.2026080028</url><author>刘瑾泽,陈霞,李欣洋,曹方健</author><pub-date pub-type="publication-year"><year>2026</year></pub-date><volume>3</volume><issue>8</issue><history><date date-type="pub"><published-time>2026-04-28</published-time></date></history><abstract>伴随着深度学习、边缘计算、物联网技术的迅猛发展，水下目标检测技术也逐渐应用到水产养殖中，给养殖全过程智能化监测和精准管理赋予了新的技术途径。水下图像增强和深度学习目标检测技术能够创建起一个包含数据采集、智能检测、数据分析、预警决策、设备联动的智能化海水养殖监测与处理系统，针对海水养殖水体浑浊、光线昏暗、鱼虾目标姿态多变、小目标检测困难等行业的问题，用物理成像优化和算法增强双驱方式创建高质量养殖数据集，通过轻量化YOLOv11网络结合注意力机制优化检测模型，创建起&amp;ldquo;端－边－云&amp;rdquo;协同养殖管理架构。基于此，本文从海水养殖真实的环境出发，针对目前养殖监测存在的技术难题，提出适合于鱼虾养殖特点的图像增强方法和轻量化的检测模型，设计出以云、边、端协同为基础的智能化监测及处理系统，对养殖状态进行实时感知、异常智能预警、养殖决策精准输出、养殖设备联动控制，促进传统渔业向精准化、智能化、绿色化养殖转型。</abstract><keywords>水下目标检测,图像增强,轻量化网络,海水养殖,智能监测系统</keywords></article-meta></front><body/><back><ref-list><ref id="B1" content-type="article"><label>1</label><element-citation publication-type="journal"><p>[1] 李浪. 基于深度学习的水下目标检测及机械臂抓取技术[D]. 中北大学,2025.[2] 赵海峰. 基于多源数据融合的水下目标检测方法研究[D]. 哈尔滨工程大学,2025.[3] 宋向阳. 基于深度学习的水下目标检测方法研究[D]. 东北电力大学,2025.[4] 林彦荀, 吴悦, 林锦淳, 等. 汕头南澳海水生态养殖的困境与对策&amp;mdash;&amp;mdash;以南澳县深澳镇为例[J]. 绿色科技,2025,27 (5):138-143.[5] 杨进, 李阳, 曾辉, 等. 深度学习在水下目标检测与腐蚀评估中的应用进展[J]. 腐蚀与防护,2024,45 (9):57-66.[6] 梁清. 水下目标检测动作区域控制技术[J]. 电声技术,2022,46 (11):31-37.[7] 方俊, 邱春荣. 水下图像目标检测技术研究[J]. 科技资讯,2022,20 (12):26-29.[8] 管今哥, 赵勇, 郑永秋, 等. 基于无散射参照偏振成像技术的水下目标光学检测（英文）[J].Journal of Measurement Science and Instrumentation,2020,11 (4):335-342.[9] 纠手才, 张效莉. 海水养殖智能投饵装备研究进展[J]. 海洋开发与管理,2018,35 (1):21-27.[10] 林可, 王飞, 马家志, 等. 离岸型智能化浅海养殖围网应用及效益分析[J]. 水产科技情报,2017,44 (5):268-272.</p><pub-id pub-id-type="doi"/></element-citation></ref></ref-list></back></article>
