基于聲學(xué)攝像機的養(yǎng)殖池塘南美白對蝦資源量評估

沈 蔚，彭戰(zhàn)飛，張 進，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，蝦類資源探測與評估成為集約化養(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估變得十分困難，而當(dāng)前養(yǎng)殖池塘蝦類資源評估多采用養(yǎng)殖經(jīng)驗估計，誤差較大。因此，研究養(yǎng)殖池塘蝦類資源量探測與評估新方法，對蝦類漁業(yè)養(yǎng)殖的集約化發(fā)展具有重要的意義。

南美白對蝦(Litopenaeusvannamei)作為中國養(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蝦的生物學(xué)屬性，對其資源量的評估涉及極少[3-6]。隨著蝦類漁業(yè)養(yǎng)殖逐漸趨向智能化，蝦類漁業(yè)資源量評估成為研究的重點，評估方法不斷發(fā)展。早期主要是利用浮游動物干重評估法[7]和生產(chǎn)量/生物量比例系數(shù)轉(zhuǎn)換評估法[8]評估蝦類漁業(yè)資源量，而中期則是利用站點取樣法[9]和網(wǎng)具拖網(wǎng)法[10]對蝦類漁業(yè)資源量調(diào)查及資源量的年際變化進行研究。這類傳統(tǒng)的蝦類漁業(yè)資源量評估方法，既耗費人物力，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儀，其利用回波積分或回波計數(shù)法對蝦類漁業(yè)資源量進行評估[11]，具有方便快捷、對水生物無損害、效率高效等優(yōu)勢[12-14]，并逐漸成為水生物資源調(diào)查的重要方法之一[15]。但這種回聲探測儀主要利用回波強度(Target strength，TS)進行估算，回波信號投影形成聲學(xué)圖像精度很低，水平方向上聲吶波束寬度大于5°(-3 dB時)，目標(biāo)在距離上的測量存在很大誤差[16]。

近年來，一種新型利用聲透鏡發(fā)射獨立波束形成聲學(xué)影像的多波束系統(tǒng)—聲學(xué)攝像機(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、水底探測、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、水庫等內(nèi)陸水域魚類計數(shù)、行為觀測等[19]。養(yǎng)殖池塘蝦類漁業(yè)資源評估方法可能會從魚類資源評估開發(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)資源評估的研究。

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

1 材料與方法

1.1 研究區(qū)域與航線設(shè)計

研究區(qū)域為上海市奉賢區(qū)某養(yǎng)殖池塘，為長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行聲學(xué)探測。特設(shè)計無人船搭載DIDSON探測系統(tǒng)進行南美白對蝦聲學(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探測系統(tǒng)進行“平行斷面”形水聲學(xué)調(diào)查，由圖中A起點開始調(diào)查，調(diào)查時間36 min，無人船時速為0.5 m/s，無人船勻速運動，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，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是美國華盛頓大學(xué)與Sound-Metrics公司研發(fā)制造的聲學(xué)攝像機，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行測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,分別對應(yīng)儀器不同工作頻率,即低頻探測模式和高頻識別模式，本研究由于小型蝦類需要高分辨率測量而使用DIDSON高頻識別模式。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)識別計數(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)南美白對蝦目標(biāo)識別計數(shù)模型，模型計算分析流程圖如圖3所示。

圖3 南美白對蝦目標(biāo)識別計數(shù)模型流程圖

圖4 南美白對蝦目標(biāo)識別計數(shù)模型處理效果示例

目標(biāo)識別計數(shù)模型主要步驟如下：

(a)數(shù)據(jù)整合：南美白對目標(biāo)識別計數(shù)模型解析原始文件，逐幀拼接成連續(xù)的時序圖像(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、植被殘體、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：多波束目標(biāo)識別原理是設(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),從而實現(xiàn)聲吶圖像目標(biāo)的識別[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DIDSON圖像中的目標(biāo)進行軌跡追蹤，使用α-β 軌跡追蹤算法對聲學(xué)影像中南美白對蝦進行識別追蹤，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：利用前一時刻狀態(tài)量估計當(dāng)前時刻的狀態(tài)量，并與之相對比。其算法方程式如下所示[21]：

(1)

(2)

位置和速度的預(yù)測值為：

(3)

(4)

在同一運動軌跡上的每一幀圖像中提取目標(biāo)體長[22]，而在水平方向運動時體長最大且接近真實值，并提取為體長值。目標(biāo)體長閾值設(shè)置包括目標(biāo)屬性類型(目標(biāo)長度橫穿波束)和最小閾值(大于0.05 m)，最終提取單目標(biāo)體長(圖4F)。

1.3.2 體長分析方法

由于DIDSON分辨率的限制和噪音的干擾，小規(guī)格個體(體長小于5 cm)難以識別，同時考慮本次探測時間為秋季，出塘期南美白對蝦體型普遍較大，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)體長超過25 cm，為了便于統(tǒng)計分析，故將體長區(qū)間設(shè)定為5～25 cm，劃分為4個統(tǒng)計區(qū)間進行分析。

1.3.3 資源量估算

(5)

(6)

(7)

mi=S×ρ×σi

(8)

(9)

式中：h表示平均探測距離(m)，hi表示為每條波束與水底交點到聲吶的直線距離(m)，n表示為波束總數(shù)；li是航線的長度(m)，Si表示聲吶從A點移動到B點對應(yīng)探測面積(m2)；N表示為南美白對蝦目標(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表示為南美白對蝦區(qū)間數(shù)量比值；Y表示南美白對蝦總資源量(kg)，yi表示區(qū)間內(nèi)平均體質(zhì)量(kg)。

圖5 聲吶探測水域面積

1.4 南美白對蝦漁獲物方法

在南美白對蝦漁業(yè)資源調(diào)查期間，池塘養(yǎng)殖人員采用長5 m×寬5 m網(wǎng)具(網(wǎng)眼對角線5 cm)進行隨機捕撈，所有漁獲物帶回實驗室進行分析。

2 結(jié)果與分析

2.1 南美白對蝦數(shù)量統(tǒng)計

網(wǎng)捕南美白對蝦統(tǒng)計數(shù)量為30 ind，漁獲物中大規(guī)格個體(體長>10 cm)數(shù)量占比為80.6%，其中體長最大值為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 南美白對蝦體長

體長是衡量蝦類生長的重要指標(biāo)之一，體長區(qū)間概率在一定程度上反映蝦類的生長情況，南美白對蝦目標(biāo)識別計數(shù)模型自動提取其體長分布如圖6所示，大規(guī)格個體(體長>10 cm)數(shù)量占比為78.2%。

圖6 體長分布圖

2.3 體長體質(zhì)量關(guān)系

利用南美白對蝦漁獲物體長和體質(zhì)量數(shù)據(jù)進行線性擬合(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，體長和體質(zhì)量關(guān)系式：y=0.015 8x2.691，x表示體長(cm)，y表示體質(zhì)量(g)。

圖7 體長體質(zhì)量擬合曲線圖

2.4 養(yǎng)殖池塘資源量評估

南美白對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蝦數(shù)量74 378 ind，資源量估計為1 415 kg(表2)。

表2 南美白對蝦資源總量

2.5 統(tǒng)計誤差

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

表3 誤差統(tǒng)計表

3 討論

3.1 南美白對蝦體長測量

利用ECHOVIEW構(gòu)建南美白對蝦目標(biāo)識別計數(shù)模型實現(xiàn)其體長自動提取，其中體長大于10 cm占比為78.2%。南美白對蝦漁獲物中體長大于10 cm占比為80.6%，這與聲學(xué)探測結(jié)果呈現(xiàn)相同趨勢，這也驗證了DIDSON探測方法的有效性和目標(biāo)識別計數(shù)模型的準(zhǔn)確性。研究提供了一種南美白對蝦體長測量的新方法，相對于養(yǎng)殖經(jīng)驗估計法、體長體質(zhì)量線性模型[23]和網(wǎng)捕實測等方法具有方便性、快捷性和精度高的優(yōu)勢。目標(biāo)體長作為生物資源量評估的重要參數(shù)，體長-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)識別計數(shù)模型提取的體長與實際體長存在誤差，誤差的范圍大小尚未進行驗證，后續(xù)將完善該工作，以進一步提高提取精度。

3.2 池塘內(nèi)南美白對蝦資源量評估

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估的主流趨勢[26]。本研究采用DIDSON聲吶探測法對池塘養(yǎng)殖南美白對蝦資源量進行探測與評估，目標(biāo)識別計數(shù)模型計數(shù)誤差為8.47%，體質(zhì)量評估誤差為8.63%，具有相對較高的評估精度，可以作為池塘蝦類資源評估的一種手段，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，軟件自動計數(shù)和聲學(xué)評估資源量與真實值相比，結(jié)果被高估，南美白對蝦目標(biāo)識別計數(shù)模型的軌跡追蹤算法誤差造成目標(biāo)重復(fù)計數(shù)是其主要原因；而模型將未剔除偽目標(biāo)識別為南美白對蝦目標(biāo)，造成誤識別計數(shù)也是其原因；另外人工目視計數(shù)的視覺疲憊造成目標(biāo)少計或者漏記等人為因素誤差[27]也是一方面原因。在聲學(xué)評估資源量的計算上，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蝦漁業(yè)資源量，其分布的非均勻性和位置的動態(tài)化造成平均密度法具有一定的局限性，進而會影響資源量的評估。而在南美白對蝦實測體長和體質(zhì)量數(shù)據(jù)進行冪函數(shù)線性擬合實驗中，體長體質(zhì)量樣本數(shù)據(jù)較少可能也會造成其資源量的評估誤差。目前生物資源量評估誤差分析工作是接下來研究的重點，并研究如何進一步提高評估精度。

3.3 聲學(xué)評估的適用性

目前DIDSON廣泛地應(yīng)用在漁業(yè)資源定量評估、體長研究和種類鑒別等方面[29-30]，同時在未來對于了解資源量現(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)合無人船評估養(yǎng)殖池塘南美白對蝦漁業(yè)資源量,是一次有意義的嘗試。DIDSON聲吶探測法的成功應(yīng)用，為蝦類漁業(yè)資源探測與評估提供了新方法，但由于聲吶成像的特性和蝦類的水下集群習(xí)性，聲吶圖像中對蝦會出現(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)算法模型中進行改進。

無人船運動速度便于操控，不會因聲吶移動速度過快而出現(xiàn)鋸齒狀輪廓[33]，從而減小了南美白對蝦漁業(yè)資源評估誤差。無人船監(jiān)測系統(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)計無人船搭載DIDSON探測系統(tǒng)安裝簡單、便于操作、方便快捷，淺水作業(yè)能力強等優(yōu)勢[35]，也極大增加了DIDSON水聲評估的應(yīng)用性。

4 結(jié)論

基于無人船搭載DIDSON探測系統(tǒng)實現(xiàn)了養(yǎng)殖池塘南美白對蝦漁業(yè)資源評估，為蝦類提供了一種新的聲學(xué)探測方法，同時DIDSON聲學(xué)評估可以提供了長時間收集蝦類行為信息，為進一步研究蝦類水下行為提供可靠的觀測方法。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)資源評估提供了新的技術(shù)手段，提高了蝦類漁業(yè)資源的評估精度。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)、隨機森林算法模型等機器學(xué)習(xí)方法在聲吶圖像處理中的潛力，進一步提高聲吶圖像目標(biāo)提取的精度。

□