1
2
3
1
2
3
近日，中国海洋大学水产学院刘阳教授团队在国际遥感顶刊ISPRS Journal of Photogrammetry and Remote Sensing（《ISPRS 摄影测量与遥感杂志》）发表了题为“Mapping subtle-featured oyster rafts with high-resolution imagery and deep learning techniques”（基于高分辨率卫星影像和深度学习技术的微弱特征牡蛎养殖筏探测）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、精度不足的难题。同时，该研究也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。
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不可替代的作用。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的态势。但梳理现有研究成果可以发现，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极大限制，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习语义分割模型，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。与传统研究相比，该成果的突破点主要体现在三个方面：
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等传统深度学习模型，为单个养殖设施的精准定位奠定了技术基础。
高考加油站网所有资料资讯内容，广告信息，未经书面同意，不得转载。
E-mail：cngaokaojiayou@163.com 京ICP备13053646号 京公网安备 11011602000906号