雙目立體視覺辨識魚體關鍵點，自動量測體長與游動行為 - 農業知識入口網

文章來源 : 農業科技新脈動    2026-11-04

水下魚群的表型量測挑戰

　　養殖魚的體長、生長速度與游動行為，是評估生產表現、健康狀態及育種材料的重要表型，但水下魚群密集、彼此遮蔽，且個體會朝不同方向快速游動，使一般二維影像難以穩定量測。挪威與比利時研究團隊因此開發FishKeypoints雙目立體視覺框架，希望在商業養殖環境中自動辨識魚體結構與三維位置。

利用視差計算魚體三維位置

　　傳統影像辨識常用水平邊界框（Horizontal Bounding Box, HBB）圈住魚體，但細長的魚在轉向時容易包含大量背景。FishKeypoints改用可隨魚身方向旋轉的定向邊界框（Oriented Bounding Box, OBB），再辨識嘴部、尾鰭等解剖關鍵點，並利用左右兩台相機的視差計算魚體三維位置與距離，不需要在水中放置額外校正標誌。

商業魚場的體長估測仍有變異

　　研究利用兩個商業魚場試驗的立體影像進行驗證。以嘴部至尾鰭中央關鍵點計算體長時，1公斤魚群的參考體長約41公分，OBB方法平均估測約39公分；3.5公斤魚群參考值約63公分，平均估測約56公分。研究指出，魚體彎曲、距離相機過遠及關鍵點定位誤差仍會增加變異，因此目前較適合作為群體與趨勢監測工具。

非侵入式表型追蹤的應用潛力

　　FishKeypoints的價值在於同一套影像可同時取得體長、魚與物體的距離，以及特定身體部位的動作資訊。若未來進一步提高個體辨識與體長精度，這類非侵入式水下表型元件可望用於大量育種族群的生長與行為追蹤，減少撈捕、麻醉與人工測量造成的工作量與干擾。

【延伸閱讀】-使用機器學習和Haar級紅外光分類器改善魚類養殖

ScienceDirect