我国是渔业与水产养殖大国,有着丰富的淡水资源和淡水鱼类资源。现代化的渔业养殖离不开系统化的管理,以模式识别、机器视觉、人工智能等为基础的在线监测系统恰好可以满足工业化养殖的需求。在线视频监控系统对摄像头捕捉的视频信号进行分析处理,实现了对养殖鱼类的识别、定位,进而得到鱼类的大小和数量信息。这一系统既能够减少渔业养殖中的劳动力支出,又能对突发状况作出及时的应对,故本文的研究具有重要的意义。本文在机器视觉的基础之上,对鱼类智能监测中的图像采集、图像处理、图像传输等关键技术进行了深入的研究,主要研究内容如下:首先,介绍了课题研究背景及意义,简述了渔业发展现状,在此基础上,提出了利用计算机视觉技术监测牧场中鱼群密度的方案,并对其可行性进行了分析。其次,利用双目立体视觉技术计算鱼体目标的大小,通过双目标定、消除畸变、双目校正、立体匹配的一系列流程,并根据三角测量原理算得图像中目标的三维位置信息。根据得到的鱼体头尾位置的三维坐标,计算得到鱼体的长度,测量结果的误差值在15%左右。再次,介绍了卷积神经网络及Faster R-CNN模型的相关理论,利用Faster R-CNN模型对鱼类图像数据集进行训练,利用训练得到的模型对鱼类图像进行检测,通过检测到的鱼类目标计算得到鱼类的数量,实验结果表明模型具有较好的识别效果,检测结果的正确率接近90%。最后,设计了基于树莓派的无线视频传输系统,包括视频格式转换编码、WiFi无线传输、PC端显示等一系列流程,详细介绍了相关的技术,最后对整个系统进行调试运行,可以流畅输出视频流,达到了预期的效果。