水生哺乳动物信标跟踪记录技术及其应用

海水养殖贻贝石永久分子标记技术研究随着人口的增长和海洋资源的日益匮乏，海水养殖作为一种可持续发展的方式，已经成为重要的海洋产业。

在海洋养殖中，贻贝是一种重要的经济贝类，广泛应用于食品加工和珍珠养殖等领域。

然而，由于贻贝的生命周期长、繁殖期少，并且存在生长速度慢和易受到海洋环境变化影响等问题，其养殖生产效率和质量控制面临挑战。

为了解决这些问题，科学家们开始研究海水养殖贻贝石永久分子标记技术。

这项技术是通过分子标记材料将特定的标记信息引入贻贝体内，以实现贻贝个体的快速识别和追踪，进而为养殖生产和质量控制提供便利。

海水养殖贻贝石永久分子标记技术的研究主要集中在以下几个方面：首先，科学家们研究了适用于贻贝的石永久分子标记材料。

贝类体内富含骨蛋白和石蜡等成分，在贻贝身体的不同部位存在差异。

科学家们通过实验发现，一些特定的石永久分子标记材料可以与贝类体内的这些成分结合，形成持久的分子标记。

这些标记可以通过某种特定的分析方法，如质谱仪、核磁共振仪等设备进行检测和识别。

其次，科学家们研究了贻贝体内的标记材料对贝类生长和健康的影响。

石永久分子标记材料在引入贝类体内后，可能会对其生长和生理机能产生一定的影响。

科学家们通过长期实验观察和生物学分析，确定了适宜的标记材料类型和使用量，以最大程度地减少对贝类生长和健康的负面影响。

此外，科学家们还研究了贻贝石永久分子标记技术在养殖质量控制中的应用。

通过对已标记的贝类进行定期抽检和检测分析，可以及时发现贝类养殖过程中的问题和异常情况。

这项技术为贝类养殖企业提供了一种有效的监管手段，有助于提高养殖质量、避免虾病等问题的发生，从而增加贝类养殖业的可持续发展。

最后，海水养殖贻贝石永久分子标记技术的研究最终需要在实际养殖系统中进行验证和推广。

科学家们将继续开展野外试验和商业养殖实践，进一步评估该技术的可行性和经济效益。

从长远来看，该技术有望成为海水养殖贝类行业提高养殖效率和质量控制的重要工具，为海洋经济的发展做出积极贡献。

水产生物微卫星标记技术研究进展及其应用孙效文;张晓锋;赵莹莹;张研;贾智英;常玉梅;鲁翠云;梁利群【期刊名称】《中国水产科学》【年(卷),期】2008(15)4【摘要】微卫星标记的发展和利用极大地扩展了DNA分子标记应用的深度和广度,使探索生物性状遗传本质的研究发生了革命性变化.本文简要介绍了微卫星标记技术的发展及其在水产遗传与育种研究中的应用.首先回顾了微卫星克隆技术的发展,尤其是水产生物微卫星标记及技术的发展过程,以及水产生物微卫星序列的主要来源,并对微卫星标记与其他DNA分子标记在使用范围、难易程度等方面做了比较;其次探讨了微卫星标记在遗传连锁图谱的制备、性状分析及QTL定位、群体遗传学、进化遗传、种质鉴定与亲权分析、品种培育等6个研究领域的应用;本文还对几种DNA分子标记在操作上的难易程度、多态性程度、重复性与可比性等方面进行了比较,同时还分别阐述了微卫星和其他DNA分子标记应用于水产生物研究中的适用性,并对微卫星标记的应用前景做了展望.本文旨在为微卫星标记技术在水产生物中的有效应用提供理论依据.【总页数】15页(P689-703)【作者】孙效文;张晓锋;赵莹莹;张研;贾智英;常玉梅;鲁翠云;梁利群【作者单位】中国水产科学研究院黑龙江水产研究所,农业部北方鱼类生物工程育种实验室,黑龙江哈尔滨150070;中国水产科学研究院黑龙江水产研究所,农业部北方鱼类生物工程育种实验室,黑龙江哈尔滨150070;中国水产科学研究院黑龙江水产研究所,农业部北方鱼类生物工程育种实验室,黑龙江哈尔滨150070;中国水产科学研究院黑龙江水产研究所,农业部北方鱼类生物工程育种实验室,黑龙江哈尔滨150070;中国水产科学研究院黑龙江水产研究所,农业部北方鱼类生物工程育种实验室,黑龙江哈尔滨150070;中国水产科学研究院黑龙江水产研究所,农业部北方鱼类生物工程育种实验室,黑龙江哈尔滨150070;中国水产科学研究院黑龙江水产研究所,农业部北方鱼类生物工程育种实验室,黑龙江哈尔滨150070;中国水产科学研究院黑龙江水产研究所,农业部北方鱼类生物工程育种实验室,黑龙江哈尔滨150070【正文语种】中文【中图分类】S917【相关文献】1.微卫星标记技术在水产动物中的研究进展 [J], 肖蓉;黄生强;刘湘毅2.微卫星分子标记技术在遗传学实验教学中的应用--科研转化为实验教学的实践和探索 [J], 李洁;梁前进;靳溪;王红芳3.微卫星标记技术的研究进展及其在家兔研究中的应用 [J], 朱玉峰;王元占;杨培梁4.紫花苜蓿微卫星(SSR)标记技术在草学本科遗传学实验教学中的应用 [J], 王小山; 王炳盛; 刘隆阳5.紫花苜蓿微卫星(SSR)标记技术在草学本科遗传学实验教学中的应用 [J], 王小山; 王炳盛; 刘隆阳因版权原因，仅展示原文概要，查看原文内容请购买。

第47卷第6期渔业现代化Vol.47㊀No.62020年12月FISHERY MODERNIZATIONDec.2020DOI:10.3969/j.issn.1007-9580.2020.06.012收稿日期:2020-06-03基金项目:东海渔业资源评价和增殖养护技术研究与示范科研专项(201303047);2020年上海海洋大学科技发展专项基金作者简介:沈蔚(1977 ),男,教授,博士,研究方向:海洋测绘和水声探测㊂E -mail:wshen@ 通信作者:张进(1984 ),男,工程师,硕士,研究方向:渔业声学和海洋测绘㊂E -mail:j_zhang@基于双频识别声呐的鱼类目标识别与计数沈㊀蔚1,2,朱振宏1,张㊀进1,曹正良1,彭战飞1(1上海海洋大学海洋科学学院,上海河口海洋测绘工程技术研究中心,上海201306;2上海海洋大学海洋牧场工程技术研究中心,上海201306)摘要:鱼类资源调查是渔业管理的基础性工作,利用水声探测技术进行鱼类资源调查日益成为主流手段㊂针对双频识别声呐(DIDSON )在水库中采集到的声学数据,利用Echoview 声学数据后处理软件及其相关算法进行鱼类识别和计数研究㊂首先利用Kovesi 图像去噪法和背景差分法对声学图像中斑点噪声和水体背景进行去除,然后根据鱼类目标回声阈值进行目标识别,利用α-β轨迹追踪算法进行运动目标追踪以防止重复计数,最后进行目标计数和体长信息的提取㊂结果显示,与借助声学图像的人工计数相比,本方法鱼类目标计数误差在10%以内,平均计数误差为7.2%,具有相当高的统计精度㊂研究表明,DIDSON 可以用于鱼类识别与计数,在浅水水域的鱼类资源探测与管理方面具有非常广阔的应用空间㊂关键词:双频识别声呐;声呐图像;目标识别;鱼类计数;资源评估中图分类号:S932.4㊀㊀㊀文献标志码:A㊀㊀㊀文章编号:1007-9580(2020)-081-07㊀㊀水声探测方法是当前进行水生生物研究的高效㊁快捷㊁可靠的方法,凭借其调查精度高㊁调查范围广㊁对环境无影响㊁对调查目标无损害等优点,已大量应用到鱼类资源的调查研究当中[1-3]㊂在进行鱼类资源评估过程中,使用各类回声探测仪获取数据,并利用回声积分㊁回波计数等方法对采集到的水声数据进行处理与统计㊂近年来,已有大量研究人员在海洋㊁湖泊㊁河流㊁水库等水域将水声探测方法运用到鱼类资源研究当中[4-8]㊂当前常用的水声探测主要是对鱼类目标资源密度㊁空间分布等进行研究,对于鱼类目标运动轨迹追踪㊁个体鱼体信息提取等研究较少[9]㊂双频识别声呐(Dual-frequency IdentificationSonar,DIDSON)能够在浑浊㊁黑暗的水下环境显示高清晰度的声学图像,广泛应用于水下管道检测㊁水下搜寻㊁水下安防等多个方面[10]㊂在渔业资源管理方面,DIDSON 主要用于河流㊁湖泊㊁水库等内陆水域的鱼类洄游计数㊁行为观测等㊂Han 等[11-12]利用DIDSON 尝试对洄游鱼类和养殖大型鱼类进行计数和体长提取;Handegard等[13]利用低通滤波算法对DIDSON 采集声学数据中不同密度下的单个鱼体目标进行识别;童剑锋等[14-15]对DIDSON 形成的声学图像进行初步研究,并用于溯河洄游幼香鱼的计数;张进等[16]利用DIDSON 对上海临港滴水湖中鱼类资源进行定量评估和空间分析;荆丹翔等[17]进行了基于识别声呐的鱼群目标检测跟踪及鱼群在水下三维空间运行轨迹和分布研究㊂Echoview 是澳大利亚Echoview 软件公司开发的一款功能强大㊁应用灵活的水声学数据处理软件,经过多年发展,已被全球渔业和环境科学研究者作为研究渔业资源和海洋㊁淡水生态环境的重要手段之一㊂本研究在相关研究基础上,利用Echoview 软件结合人工判断对DIDSON 图像数据进行鱼类识别提取,其处理流程主要包括背景噪声去除㊁鱼类目标识别㊁目标属性提取㊁目标运动轨迹追踪,最终提取出所探测到的鱼类目标及其个体体长信息,为后续更深入的鱼体行为研究和鱼类资源评估提供技术参考㊂渔业现代化2020年1㊀材料和方法1.1㊀声学仪器简介DIDSON 由美国华盛顿大学应用物理实验室研发,Sound Metrics 公司制造,其成像原理是基于声学透镜组合对声波进行压缩聚焦,进而形成高清的声学图像数据㊂声学透镜在进行压缩波束时消耗功耗少,易于发射和接收同一波束,提高了工作效率,也缩减了仪器的体积[15-16]㊂本研究所使用的标准型DIDSON 有两种工作模式,即探测模式和识别模式,分别对应仪器不同工作频率,具体技术参数见表1㊂DIDSON 在工作时可针对探测范围内的观测目标进行自动调焦,根据设置的最大观测范围自动调节其工作频率,以保证观测范围内目标图像的清晰度㊂表1㊀DIDSON 详细技术参数Tab.1㊀Detailed technical parameters of DIDSON项目探测模式识别模式工作频率/MHz 1.1 1.8波束间隔/(ʎ)0.60.3波束数/条4896脉冲宽度/μs 16㊁32㊁64㊁1284㊁8㊁16㊁32垂直视角/(ʎ)14水平视角/(ʎ)29空中质量/kg ʒ水中质量/kg7ʒ11.2㊀数据采集试验数据来自2019年5月份上海市某小型水库鱼类资源声学调查项目,由小型调查船搭载DIDSON㊁GPS 进行走航式采集,为避免噪声对采集数据的干扰,将DIDSON 声呐探头固定于船舷左前方远离发动机部位,DIDSON 换能器及安装如图1所示㊂采集数据使用DIDSON 配套采集软件DIDSON V5.24,同步记录于采集笔记本电脑中,探测船速为4~5节,水面无较大风浪㊂图1㊀主机及安装示意图Fig.1㊀Transducer and installation diagram2㊀鱼类目标识别与提取方法2.1㊀背景噪声去除在数据采集过程中,由于船只运行㊁移动产生噪声及水中植被㊁悬浮物等对DIDSON 数据产生干扰,使得在原始声学数据中识别目标变得非常困难,故在声呐数据的预处理阶段,首要工作是将背景噪声去除[18]㊂首先使用Kovesi 图像去噪法将声呐图像中出现的随机分布的斑点噪声进行模糊化去除,斑点噪声多由水中气泡㊁浮游生物㊁树枝等产生[19],通过设定图像最小波长㊁反向标准差等,在声呐图像去除噪声的前提下保留图像细节㊂其去噪效果如图2b 所示,其中,红色标记为类鱼体目标,与原始图像图2a 对比发现,将声呐图像中小型斑点噪声去除㊁水底植被等噪声模糊化处理后,去噪效果较为明显㊂噪声去除后,使用背景差分法将声呐图像中水体背景进行去除[20]㊂该算法假设水体静止不动,首先从当前数据脉冲信号及其邻近信号中进行统计分析,捕获数据中存在的静态背景元素;然后以该静态背景元素中最低信噪比值作为阈值,从数据文件中减去该值㊂即可将数据中静态背景进行去除,如式(1)所示:F t (x ,y )-F b (x ,y )=D t (x ,y )(1)式中:F t (x ,y )表示图像位置(x ,y )的像素值;F b (x ,y )表示图像位置(x ,y )的水体背景像素值;D t (x ,y )表示(x ,y )位置的去除背景结果㊂图2c 为去除图像背景效果图,其水体背景㊁水底和产生的声学阴影等都被去除㊂其中,红色圆圈标注为类鱼体目标,下方有多个悬浮斑点,推测判定为Kovesi 算法遗留斑点噪声或者水体小型浮游生物㊂图2㊀背景噪声去除效果图Fig.2㊀Effect of background noise removal28第6期沈蔚等:基于双频识别声呐的鱼类目标识别与计数2.2㊀鱼类目标识别对于DIDSON影像中鱼类目标识别,基本原理是设定鱼类目标回声阈值区间i,并基于原始的回声图像创建一个新的多波束目标样本值G k,随后判断回声图像中每个像素值H k(x,y)是否在阈值区间i当中,若在区间当中,即用创建的多波束目标样本值G k来代替或标注符合要求的像素值H k(x,y),从而实现声呐图像目标的识别㊂并在目标识别的基础上,根据其回声影像中像素值数据,得到其长度㊁面积㊁厚度等目标属性,同时,可设定阈值来限定得出需要的目标属性值[21]㊂图3a为DIDSON原始声学影像数据,显示为2个类鱼类目标并有条带状声学阴影出现;图3b 为在背景噪声去除算法基础上进行图像目标识别,并使用蓝色圆点标记得出类鱼类目标;图3c 为在目标识别基础上进行目标属性阈值的限定,限定目标长度为5~120cm范围以内㊂可看出体长较大个体被排除,仅显示个体较小的鱼类目标,与实际观测结果相符㊂图3㊀DIDSON影像目标识别与属性限定Fig.3㊀Target recognition and attribute definition of DIDSON 2.3㊀目标运动轨迹追踪DIDSON声呐图像数据中实现鱼类目标个体计数,关键是避免同一目标因出现在连续多帧图像中而产生重复计数㊂需对鱼类目标运动轨迹进行追踪,即将在同一轨迹上的目标判定为同一条鱼[22]㊂在进行目标轨迹追踪处理前,先将DIDSON 每帧的影像数据拼接成连续的回声图像,在该回声图像中可观测得出每条鱼的运行轨迹㊁相对于波束主轴的运动角度等,后续的鱼类目标的编辑㊁分析处理等都是基于该图像进行㊂在Echoview 软件中可通过设定其过滤目标系数来改善影像拼接的效果㊂图4为截取完成拼接后的回声图像㊂根据已有经验,人工判读图中红色标记标注部分多为鱼类运行轨迹,在回声图中表现为多个连续的点状个体排列连接形成线状目标,标注之外的零散分布的点状目标,多为预处理遗留噪声㊁水中浮游生物或者DIDSON分辨率无法正确识别的较小鱼类目标㊂图4㊀DIDSON影像拼接图Fig.4㊀Image mosaic of DIDSON DIDSON声呐图像数据拼接完成后,使用α-β轨迹追踪算法对回声图像中鱼体运动轨迹进行识别跟踪,跟踪结果以不同颜色的线条显示,算法采用固定系数滤波的方法,选择单个目标作为附加到轨迹中的候选对象,追踪算法中对于位置和速度的变化分别由α和β两个参数控制㊂其原理为:通过前一时刻的状态量估计当前时刻的状态量,然后与当前时刻的观测量相对比㊂其算法方程如下所示[23]:X^K=X^K/K-1+α(Z K-X^K/K-1)/T(2) V^K=V^K/K-1+β(Z K-X^K/K-1)/T(3)其中,位置和速度的预测值为:X^K/K-1=X^K-1+TV^K-1(4) V^K/K-1=V^K-1(5)式中:T表示时间间隔;Z K表示当前观测量;^X K 表示位置估计量;^V K表示速度估计量;α和β分别表示位置和速度的加权系数㊂图5是在图4拼接的回声图基础上进行鱼类轨迹追踪的识别,共计得出9条目标运行轨迹,为9个鱼类目标㊂3㊀计数与资源量评估3.1㊀鱼类目标计数本次调查共采集14个文件,对应14个航段,38渔业现代化2020年数据处理过程中对每航段数据进行鱼类目标计数和体长提取㊂首先基于目标运动轨迹追踪实现鱼类目标计数,将每条轨迹识别为一条鱼,并同步记录每条轨迹中心点处的经纬度坐标和所处深度㊂为了验证目标计数的准确性,根据数据采集质量,选取4条航段声呐数据,采用人工目视计数的方法进行验证㊂人工目视计数是指将DIDSON影像数据进行慢速回放,通过人工判读对影像中出现的鱼类目标进行计数,统计对比结果见表2㊂图5㊀个体目标轨迹追踪Fig.5㊀Individual target trajectory tracking表2㊀人工计数与软件计数对比Tab.2㊀Comparison of manual counting and software counting项目人工目视计数/尾软件自动计数/尾偏差/%数据19196 5.5数据2342308-9.9数据33243539.0数据4561585 4.3㊀㊀从表2可以得出,人工目视计数与软件自动计数结果偏差在10%以内,平均计数误差为7.2%㊂该方法中个数统计存在偏差的原因有多个方面:一是出现较密集鱼群时,追踪得出的鱼类运动轨迹会出现错乱,导致追踪结果出现重复计数等偏差;二是当鱼类目标在靠近水底或在水草中游动时,会被错判为水底或水中噪声,从而排除在外;三是水中部分悬浮物其目标反射强度与鱼体相近,被误判为鱼类等㊂3.2㊀鱼类体长提取针对单个鱼类目标,首先根据像素将同一运动轨迹上的每一帧图像中鱼体体长进行提取,然后对该目标运动轨迹上的所有体长数据进行统计判断,由于鱼运动姿态和方向各不相同,但鱼类目标在水平方向运动时体长数据最大也最接近实际值,因此取测得的最大体长为该目标的体长㊂由于成像声呐自身分辨率问题以及走航式采集产生气泡较多,因此体长较小鱼类易与水中浮游生物㊁树枝等噪声混淆,在体长信息提取时对于平均体长小于5cm的鱼类目标忽略不计㊂图6为提取出的鱼体体长信息分布图,鱼体体长绝大部分集中于10~20cm范围内,占总数的40%以上;体长范围在5~10cm和20~50cm的鱼类目标也占比较多,接近总量的40%,60cm以上鱼类数量较少,占总量的5%左右㊂图6㊀鱼体体长分布图Fig.6㊀Length distribution of fish3.3㊀鱼类资源总量估算根据目标计数统计结果,14条航段数据共统计得出鱼类目标1938尾㊂采用平面密度法对水库内的鱼类资源总量进行估算,首先根据每条航线探测到的鱼类数量和仪器探测面积得出航线内鱼类密度;其次将所有航线的平均鱼类密度视为水库鱼类密度,根据水库水域面积估算得出水库鱼类总数量㊂其计算公式如下:ρi=n is i(6)s i=l i㊃r i2(7)ρ=1nðn i=1ρi(8)N=ρ㊃S(9)式中:n i㊁s i和ρi表示第i条测线的鱼类数量(尾)㊁仪器探测面积(m2)和鱼类密度(尾/m2);48第6期沈蔚等:基于双频识别声呐的鱼类目标识别与计数l i和r i表示第i条测线的探测长度(m)和提取出的平均水深(m),公式(7)是通过仪器安装角度和仪器探测范围视角简化得来;ρ视为水库内的鱼类平均密度(尾/m2);n表示航线数量,此处为14;S㊁N分别表示水库总面积(m2)和鱼类资源总量(尾)㊂本次调查探测航线总长度为17.19km,平均水深4.26m,经计算可得,航线内鱼类目标平均密度约为0.0529尾/m2㊂本次调查水库水域面积为1.92km2,因此,水域内鱼类资源总数量N= 101568尾㊂4㊀讨论4.1㊀DIDSON适用场景DIDSON作为一款高清晰度的声学摄像仪,其声学影像数据能清晰㊁直观地显示出鱼类形态㊁位置信息,与常规的科学鱼探仪相比,具有更多的信息量㊁更直观的图形显示等㊂沈蔚等[24]曾对DIDSON和科学鱼探仪Biosonics DT-X进行比较分析,结果显示两类仪器评估出的鱼类资源并没有太大差距,但在浅水地带DIDSON所受到的水中气泡等因素的干扰更小,能较为方便地提取出鱼类的体长信息,并进行鱼类行为的观测㊂DIDSON具有较高的工作频率,对于船速要求较高㊂张进[16]在研究中指出,一旦船速较快,采集到的鱼体目标就会出现锯齿状轮廓,当速度降低时锯齿状特征就有明显改善㊂在针对DIDSON声呐图像的诸多研究中[13,21],多采用定点观测进行数据采集,所采集到的数据质量较好,对于数据中噪声的处理也较为简单㊂因此, DIDSON更适用于在江河湖泊等浅水水域开展定点观测,或搭载于无人船㊁小型测量船等进行慢速走航探测,对于风浪大㊁深度大的海洋鱼类资源探测显得力所不及㊂4.2㊀声呐图像处理方法针对DIDSON声呐图像噪声去除,童剑锋[15]采用3ˑ3模板的中值滤波和高斯滤波结合进行图像去噪和平滑处理;Kang[21]使用背景差分的方法,将一段没有鱼类目标的声呐图像作为子集,然后逐帧减去该背景进行噪声去除,但面对走航采集的声呐数据,图像背景复杂,使用上述方法效果不佳㊂本研究采用Kovesi图像去噪和背景差分相结合,去噪效果较为理想,但是将斑点噪声模糊化的处理手段,也会使得一部分鱼体信息模糊,尤其当鱼体目标较小时,会被识别成斑点噪声,降低了目标识别准确度,后续应将背景去除与运动轨迹相结合来改进算法,按照运动状态来区分鱼类目标和噪声㊂进行鱼类目标运动轨迹追踪是避免重复计数的必要手段,常见的目标追踪方法有卡尔曼滤波㊁粒子滤波及其各种扩展算法等,本研究中采用的α-β轨迹追踪对于离散目标识别准确度较高,但当目标成群出现时,多个运行轨迹相互交叉,会出现重复计数或少计数的问题㊂4.3㊀资源量评估的影响因素声学数据采集时,由于试验水库水位较浅,船只在移动过程中产生的水流和噪声都会对鱼群产生驱赶,因此需要引入合理的驱赶系数㊂比如张信[25]通过同一水域的定点观测和走航观测得出的鱼类密度比值来确定,也可以使用无人船搭载DIDSON进行探测,减少船只走航对鱼的驱赶㊂同时,回声探测仪普遍存在一定的探测盲区,使水面表层的鱼类目标无法被探测到[26]㊂本研究使用船只较小,仪器吃水浅且倾斜安置,减小了仪器的探测盲区㊂在数据分析阶段,李斌等[27-28]指出,为避免水底强反射信号干扰,在数据分析时需要将靠近水底部分信号进行删除[27-28]㊂本研究中, DIDSON以与水平方向呈60ʎ夹角的方式安装,避免了水底强反射信号的干扰,减少对水底部分的剔除,也提高了探测到水底鱼类目标的可能性㊂5㊀结论基于Echoview声学数据后处理软件及其相关算法,实现了从DIDSON声呐数据中进行鱼类目标识别㊁自动计数和体长信息提取,并通过与人工计数相对比的试验得出该方法具有较高的统计精度㊂依据提取出的鱼类目标数据并结合相关资源评估方法,可对水库中的鱼类资源进行评估㊂结果证明,DIDSON可以用于鱼类识别与计数,尤其在浅水水域的鱼类资源探测与管理方面具有非常广阔的应用空间㊂Ѳ58渔业现代化2020年参考文献[1]SIMMONDS J,MACLENNAN D N.Fisheries acoustics:theory and practice[M].2nd Edition.Oxford:Blackwell Science,2005: 59-379.[2]ELLIOTT J M,FLETCHER J M.A comparison of three methods for assessing the abundance of Arctic charr,Salvelinus alpinus, in Windermere(northwest England)[J].Fisheries research, 2001,53(1):39-46.[3]牟洪民,姚俊杰,倪朝辉,等.红枫湖鱼类资源及空间分布的水声学调查研究[J].南方水产科学,2012,8(4):62-69. [4]李斌,陈国宝,于杰,等.海南陵水湾口海域不同季节鱼类资源声学探查[J].水产学报,2018,42(4):544-556. [5]谢意军,王珂,郭杰,等.基于水声学方法的东洞庭湖鱼类空间分布和资源量评估[J].淡水渔业,2016,46(3):40-46. [6]连玉喜,黄耿,李翀,等.基于水声学探测的香溪河鱼类资源时空分布特征评估[J].水生生物学报,2015,39(5): 920-929.[7]武智,李捷,朱书礼,等.基于水声学的北江石角水库鱼类资源季节变动及行为特征研究[J].中国水产科学,2018,25 (3):674-681.[8]LIAN Y,HUANG G,GODLEWSKA M,et al.Hydroacoustic estimates of fish biomass and spatial distributions in shallow lakes[J].Journal of Oceanology and Limnology,2018,36(2): 587-597.[9]荆丹翔,周晗昀,韩军,等.基于成像声呐DIDSON的水域内鱼群数量估计方法[J].应用声学,2019(4):705-711. [10]陈星辰,陈斌.双频识别声呐水下影像监测系统及其应用[J].中国水能及电气化,2015(11):22-25. [11]HAN J,ASADA A.Acoustic counting method of upstream juvenile ayu plecoglossus altivelis by using DIDSON[C]. Symposium on Underwater Technology and Workshop on Scientific Use of Submarine Cables and Related Technologies. IEEE,2007:459-462.[12]HAN J,HONDA N,ASADA A,et al.Automated acoustic method for counting and sizing farmed fish during transfer using DIDSON [J].Fisheries Science,2009,75(6):1359.[13]HANDEGARD N O,WILLIAMS K.Automated tracking of fish in trawls using the DIDSON(Dual frequency IDentification SONar)[J].Ices Journal of Marine Science,2008,65(4):636-644. [14]童剑锋,韩军,浅田昭,等.基于声学摄像仪的溯河洄游幼香鱼计数[J].渔业现代化,2009,36(2):29-33. [15]童剑锋.高分辨率水下超声波摄影探测系统的研究[D].上海:上海海洋大学,2010.[16]张进.基于双频识别声呐DIDSON的鱼群定量评估技术[D].上海:上海海洋大学,2012.[17]荆丹翔,韩军,王杰英,等.基于成像声呐的鱼类三维空间分布[J].水产学报,2018(6):996-1005.[18]张俊.基于声学数据后处理系统的黄海鳀鱼资源声学评估[D].上海:上海海洋大学,2011.[19]KOVESI P.Phase preserving denoising of images[J].Signal, 1999,4(1):212-217.[20]孙斌,黄神治.移动背景下运动目标检测与跟踪技术研究[J].电子测量与仪器学报,2011(3):206-210. [21]KANG M.Semiautomated analysis of data from an imaging sonar for fish counting,sizing,and tracking in a post-processing application[J].Fisheries and aquatic sciences,2011,14(3): 218-225.[22]JING D,HAN J,WANG X,et al.A method to estimate the abundance of fish based on dual-frequency identification sonar (DIDSON)imaging[J].Fisheries science,2017,83(5):685-697.[23]陈福喜,杨大宁.船用雷达ARPA系统中α-β算法研究[J].电子设计工程,2016,24(18):13-15.[24]沈蔚,陈明,童剑锋,等.用于渔业资源调查评估的两种声学手段的比较[J].淡水渔业,2018,48(1):34-40. [25]张信.青海湖裸鲤资源量的水声学评估[D].武汉:华中农业大学,2005.[26]张慧杰,危起伟,杨德国.回声探测仪的发展趋势及渔业应用[J].水利渔业,2008(1):9-13.[27]李斌,汤勇,孙建富,等.基于声学方法的黄河三门峡水库渔业资源空间分布研究[J].大连海洋大学学报,2016,31(5): 563-571.[28]ZENG L,TANG Z,CHEN P,et al.Bioacoustic application on fisheries management in an artificial reefs ecological reserve of Bohai Gulf China[J].Environmental Earth Sciences,2018,77 (21):728.6878第6期沈蔚等:基于双频识别声呐的鱼类目标识别与计数Fish target recognition and counting based onDual-frequency Identification SonarSHEN Wei1,2,ZHU Zhenhong1,ZHANG Jin1,CAO Zhengliang1,PENG Zhanfei1(1College of Marine Sciences,Shanghai Ocean University, Shanghai Engineering Research Center of Estuarine and Oceanographic Mapping,Shanghai201306,China;2Engineering Technology Research Center of Marine Ranching,Shanghai Ocean University,Shanghai201306,China)Abstract:Fish resource survey is a basic work of fishery management,and the investigation of fish resources using underwater acoustic detection technology has become a mainstream method.Aiming at the acoustic data collected by Dual-frequency Identification Sonar(DIDSON)in the reservoir,the acoustic data post-processing software Echoview and related algorithms were used to conduct fish identification and counting research.First, the Kovesi image denoising method and the background difference method were utilized to remove speckle noise and water background in acoustic images,then targets were identified according to the echo threshold,the α-βtrajectory tracking algorithm was used to track moving targets to prevent double counting,and finally fish counting and length extraction were performed.The results show that,compared with munual counting,fish counting error of this method is within10%,and the average error is7.2%,with a very high statistical accuracy.Studies have proven that DIDSON can be used for fish identification and counting,and has a very broad application space for fish resource detection and management in shallow waters.Key words:DIDSON;sonar image;target recognition;fish counting;resource assessment。

Vol. 43, No. 3Mar., 2021第43卷第3期2021年3月舰船科学技术SHIP SCIENCE AND TECHNOLOGY水下通信定位导航技术分析及一体化展望王鹏，潘笑，温 雯，李 <> 王佳奇，姚 斌(中国舰船研究院，北京100101)摘 要：水下通信定位导航技术在海洋勘测、资源开发、海洋环境保护以及海洋军事行动等各种作业任务中都发挥着重要作用。

本文通过对近年来水下通信技术和水下定位导航技术的文献进行收集整理，从而对以上技术进 行分析，并且着重分析水下定位导航技术中的几种不同的方向。

最后对水下通信定位导航一体化设计中所需要解决 的关键技术进行分析及展望，对形成水下通信定位导航一体化组网、进一步提高水下通信的距离与可靠性以及提升定位导航的精确度提供研究基础。

关键词：水下通信；水下定位导航；一体化中图分类号：TN929.3 文献标识码：A文章编号：1672 - 7649(2021)03 - 0134 - 05 doi ： 10.3404/j.issn,1672 - 7649.2021.03.026Analysis and Integration prospect of underwater communicationpositioning and navigation technologyWANG Peng, PAN Xiao, WEN Wen, LI Jing, WANG Jia-qi, YAO Bin (China Ship Research and Development Academy, Beijing 100101, China)Abstract: Underwater communication, positioning and navigation technology plays an important role in various opera ­tional tasks such as marine survey, resource development, marine environmental protection and marine military operations. This paper analyzes the underwater communication technology and the underwater positioning and navigation technologybycollecting and sorting the literature of them, and emphatically analyzes several different directions of the underwater posi ­tioning and navigation technology. Then the key technologies in the integrated design of underwater communication, posi ­tioning and navigation are analyzed and prospected in the end of this paper.lt provides the research foundation for formingthe integrated network of underwater communication, positioning and navigation. Itfurther improves the distance and reliab ­ility of underwater communication, and improves the accuracy of underwater positioning and navigation.Key words: underwater commxmication ； xmderwater positioning and navigation ； integrated0引言随着深海战略目标的提出，走向深海、走向大洋是发展海洋事业、建设海洋强国的必经之路。

收稿日期:2004204201;修订日期:2004206203基金项目:中国科学院创新领域前沿项目(01220303);中日合作项目(020104)资助作者简介:王克雄(1963—),男,汉族,湖北黄梅人,助理研究员,硕士,主要从事鲸类行为学研究通讯作者:王　丁,wangd @ihb 1ac 1cn综　述水生哺乳动物信标跟踪记录技术及其应用王克雄1,3　王　丁1　赤松友成2(11中国科学院水生生物研究所,武汉　430072;21日本国立水产工学研究所,茨城　314-0421,日本;31中国科学院研究生院,北京　100039)BIO 2LOGGING TECHN OLOG Y AN D ITS APP LICATIONS ON AQUATIC MAMMA LSW ANG K e 2X iong 1,3,W ANG Ding 1and T om onari AK AM ATS U 2(11Institute o f Hydrobiology ,The Chinese Academy o f Sciences ,Wuhan 430072;21National Research Institute o f Fisheries Engineering ,Ibaraki 314-0421,Japan ;31G raduate School o f the Chinese Academy o f Sciences ,Beijing 100039)关键词:信标跟踪记录;水生哺乳动物;行为;生态;生理K ey w ords :Bio 2logging ;Aquatic mammals ;Behavior ;Ecology ;Physiology中图分类号:Q17811 文献标识码:A 文章编号:100023207(2005)0120091206 水生哺乳动物(主要是鲸类和鳍脚类)分布范围广、活动范围大、行为复杂,且在水下活动时间长,常规的目视观察受时间和空间限制,通常只能获取有限的信息。

DNA条形码在水生动物物种鉴定中的应用作者：余海军王茜来源：《安徽农业科学》2021年第16期摘要水生动物是一类主要生活于水中的动物类群，其具有种类多样、分布广泛、复杂难辨等特点，但是对于水产动物的物种鉴定长期以来一直困扰着相关方面的专家和学者。

随着DNA条形码技术的提出，其已被成功地应用于水生动物的物种鉴定。

整理总结了国内外使用DNA条形码在水生动物物种鉴定中的应用。

关键词水生动物;DNA条形码;物种鉴定;应用中图分类号 S 917.4 文献标识码 A 文章编号 0517-6611（2021）16-0001-03doi：10.3969/j.issn.0517-6611.2021.16.001 开放科学（资源服务）标识码（OSID）：Application of DNA Barcoding for Species Identification in Aquatic AnimalYU Hai-jun1，2， WANG Qian2（1.Center of Animal Husbandry and Fisheries， Bijiang Agriculture and Rural Affairs Bureau， Tongren，Guizhou 554300;2. Key Laboratory of Aquatic-Ecology and Aquaculture of Tianjin， College of Fishery， Tianjin Agricultural University， Tianjin 300384）Abstract Aquatic animals are a group of animals that mainly live in water， with the characteristics of diverse species，wide distribution， complex and difficult to distinguish. However， the identification of aquatic animal species has long troubled experts and scholars in related fields.With the advancement of DNA barcoding technology， it has been successfully applied to species identification of aquatic animals.This study summarized the application of DNA barcodes in the identification of aquatic animal species at home and abroad.Key words Aquatic animal;DNA barcodes;Species identification;Application中國是世界上内陆水域面积最大的国家之一，内陆水域面积约2 700万hm2，占土地总面积的2.8%;其中江河面积约为1 200万hm2，湖泊面积约为800万hm2，水库8万余座。