随着我国农业现代化的逐步推进,应用于水产品养殖的自动化智能化养殖、捕捞技术也在不断发展。目前渤海湾一带的海参海水养殖围堰中还是人工潜水捕捞作业,潜水员需要背负氧气瓶或者其他给氧设备在水下进行海参的抓取捕捞,捕捞的成本高,风险也高,深海区域的海参捕捞更是行业内公认的高危操作。研发一种可以代替潜水员进行自动捕捞作业的智能海参捕捞机器人完成海参的水下捕捞拥有巨大的市场和广阔的前景。智能捕捞作业首先要解决的就是海参目标的检测和定位功能,因此本文设计实现了一套基于YOLO-v3网络的海参目标识别系统,该系统可以完成在水下的海参目标检测和定位功能,为智能海参捕捞机器人提供抓取目标的位置信息。本文主要研究工作如下:首先,分析智能海参捕捞机器人抓取动作的精度和实时性需求,根据精度和实时性需求总体设计海参目标识别系统,将识别系统分为功能不同的海参目标检测模块和目标定位模块,分别完成目标检测和目标定位两个功能。其次,针对水下图像的特异性,分析适用于水下图像的预处理和数据集扩充方法,采用ACE和去雾相结合的算法增强水下图像,采用图像增强和垂直翻转的方法扩充水下海参图像数据集。然后,分析卷积神经网络和代表性的YOLO系列网络的优缺点,结合智能海参捕捞机器人的设计需求,采用基于YOLO-v3的网络模型作为海参目标的检测网络,并根据真实养殖围堰区域采集到的水下视频资料建立的水下海参图像数据集对网络参数做针对性的修改优化,在增强扩充之后的训练集上训练检测网络,并对比YOLO系列网络的检测性能,在ROS平台上实现该检测模块。最后,结合水下双目相机的测深和定位功能设计实现海参目标的定位模块,包括水下测深补偿和水下定位校正,结合针对性的补偿和校正数据在ROS平台上整体实现海参目标识别系统,并对整个系统进行测试。