鲟鱼有着极高的经济、营养价值，以及独特的生物学特性，因而受到人们广泛地关注。虽然中国的鲟鱼养殖产业开始较晚，但发展迅速，近几年的鲟鱼养殖产业已达2万~3万吨，其比例已经达到世界产量的七到八成。中国已然成为鲟鱼养殖大国。目前的鲟鱼主要以集约化方式养殖。尤其是在北京市，鲟鱼养殖产业是水产产业链中很重要的部分。在集约化养殖过程中，周围环境的物理或者化学变化往往会引发鱼体行为的变化，比如，高密度网箱养殖会使得鲟鱼处在紧张状态，而投饲直接引发鱼体的摄食行为，因此鲟鱼行为监测研究有着十分重要的经济价值。传统的鱼体行为监测方法主要包括人工观测法、机器视觉法和声学遥测法。上述方法中，人工观测法评估结果误差大，易受人主观性影响；机器视觉的方法不仅处理方法复杂，而且识别结果易受光线、鱼类重叠、水的浑浊度影响，对应用场合条件要求高，不适合用于高密度的水产养殖过程；声学遥测法作为一种侵入性技术，会影响鱼体生长率，甚至会造成鱼体死亡。本项目结合上述三种鱼体行为监测方法的优缺点，创新性地将声纳成像设备应用在集约化养殖过程的鲟鱼行为监测中，既避免了声学遥测法对鲟鱼的侵入性伤害，同时也能利用声纳技术的成像优势。为了提高投饲过程的饲料利用率，同时增强水产养殖过程的信息化水平，本项目立足于研究集约化养殖过程中具有典型代表的投饲与鲟鱼摄食行为的关系。由于鲟鱼的摄食行为伴随着鲟鱼在集约化养殖场景中的分布不同，因此，本项目创新性地利用双频识别声纳就投饲前后网箱固定局部区域中鲟鱼的资源量进行研究，分析其与投饲之间的相关关系，从而寻求一种通过固定局部区域中资源量变化来间接监测鱼体摄食行为的新途径。该项目重点从以下三个层次开展了研究：1、鲟鱼水声回波图像获取的最佳参数研究：声纳增益（Sonar Gain）的不同，直接导致获取声纳图像目标背景对比度的不同，从而影响后期声纳图像处理的准确性，因此，本项目基于最大熵阈值分割算法对最佳增益（Sonar Gain）的选取进行了研究。2、鲟鱼声纳图像处理研究：分析声纳图像和传统光学图像的异同点，结合国内外图像处理的研究现状以及所获取声纳图像中的鲟鱼目标特点对鲟鱼声纳图像进行了小波去噪，并基于改进的背景减除算法对鲟鱼目标进行资源量的统计。3、网箱局部鲟鱼资源量与投饲行为的关系探究：从获取的声纳视频数据中，选取2014年7月下旬至8月下旬之间每天16:00-18:00之间的数据，以一定的采样率对图像采样后，经过声纳图像处理后得到图像中的资源量结果。以投饲时间17:15为界线，选取其中的11个5分钟时间段做研究对象，绘制出投饲前后鲟鱼资源量的变化曲线图，分析曲线图变化趋势，并根据实际养殖经验估计其准确性。