美国留学

近日，中国海洋大学水产学院刘阳教授团队在国际遥感期刊《ISPRS 摄影测量与遥感杂志》（ISPRS Journal of Photogrammetry and Remote Sensing）发表了题为《基于高分辨率卫星影像和深度学*技术的微弱特征牡蛎养殖筏探测》（Mapping subtle-featured oyster rafts with high-resolution imagery and deep learning techniques）的研究成果。该研究为我国近海养殖精细化管理提供了关键技术支撑，有望破解长期以来近海养殖监管效率低、精度不足等难题。同时，团队就该研究进行了产业转化应用的推广，“基于卫星遥感的牡蛎养殖区规划及确权监管评估技术”荣获全国水产技术推广总站和中国水产学会渔业新技术2025年优秀科技成果。

团队参加2025中国水产学会范蠡学术大会并上台领奖（左三为刘阳

水产养殖在保障粮食安全、推动渔业经济发展、促进沿海地区民生改善等方面发挥着重要作用。然而，随着近海养殖规模不断扩大，养殖设施布局不合理，传统监管手段面临着“覆盖范围有限、数据更新滞后、识别精度不足”等突出问题，难以满足精细化管理的现实需求。近年来，遥感影像技术与图像分类算法的快速发展，为近海养殖区识别提供了全新思路，相关领域研究呈现出蓬勃发展态势。但梳理现有研究成果发现，多数研究仍聚焦于大范围、大尺度的养殖区域宏观调查，无法精准提取单个养殖设施的位置、形态、规模等关键信息。这种“重宏观、轻微观”的研究现状，使得卫星遥感技术在近海养殖设施动态监测、违规用海排查等精细化管理场景中的应用受到限制，难以充分发挥技术优势。针对这一行业痛点，刘阳教授团队开展了针对性研究，团队以高分辨率“吉林一号”卫星影像为数据基础，创新构建并训练深度学*语义分割模型，重点攻克复杂海洋环境下“微弱特征牡蛎养殖筏精准识别”这一核心难题。

牡蛎养殖现场执法和清退前后对比

与传统研究相比，该成果的突破点主要体现在三方面：

一是识别精度的跨越式提升。团队采用Swin-Transformer编码器搭建语义分割模型，有效解决了传统卷积神经网络“感受野受限、难以捕捉全局上下文信息”的技术瓶颈。该模型基于自注意力机制，能够充分关联影像中的全局特征与局部细节，精准识别出光学反射特征弱、纹理信息不明显的牡蛎养殖筏，即使在海浪、云层、光照变化等复杂干扰条件下，仍能保持稳定的识别性能。在测试数据集验证中，该模型的提取精度高达88%，显著优于UNet等传统深度学*模型，为单个养殖设施的精准定位奠定了技术基础。

二是实现从“区域识别”到“单体提取”的突破。依托高精度模型，团队首次实现了复杂海洋环境下牡蛎养殖筏的“单体级”提取。以山东乳山市海域为研究区域进行实地验证时，团队成功识别出超过4万个牡蛎养殖筏，并精准获取了每个养殖筏的长度、分布密度等关键参数。同时也发现有零星长度异常的养殖筏分散在养殖区周边。经分析，这些异常养殖筏多因人为操作不规范（如设施维护不到位）或自然环境影响（如风浪冲击导致设施变形、移位），处于养殖状态异常的情况，为后续养殖设施健康状况监测、风险预警提供了精准的数据支撑。

三是为精细化监管与可持续发展提供实践路径。本研究得到的养殖筏识别结果能够快速准确地识别出超出规划养殖区范围、侵占航道、生态保护区等其他海洋功能区的违规养殖筏。成果可直接服务于海洋管理部门的违规用海排查与整改工作，帮助规范养殖户的合法用海行为，有效避免因无序养殖导致的海域资源浪费、海洋生态环境破坏等问题，为乳山市牡蛎养殖业的规范化、可持续发展提供有力的技术保障。

卫星遥感数据接收站和乳山市养殖用海智慧监管平台

论文第一作者为水产学院2025级博士研究生牟天伟，通讯作者为刘阳教授，研究工作得到国家重点研发计划，以及北京天象新亚科技有限公司、乳山市海洋发展局、乳山市海洋经济发展中心、乳山市国有资本运营有限公司等单位的协助支持。

作者：田浩 牟天伟

编辑：杨钧丞

版权声明：本文转载于今日头条，版权归作者所有，如果侵权，请联系本站编辑删除