耳毒性药物和基因突变等因素所导致的毛细胞的损伤丢失是导致人类听力功能下降特别是感音神经性耳聋的首要原因。目前对于耳聋的治疗手段相对匮乏,对于感音神经性耳聋的早期诊断与预防显得更为重要,因此对于耳毒性药物或者治疗耳聋药物的筛查工作具有重要临床意义。斑马鱼是目前用于耳毒性药物筛查评估听觉功能的常用模式动物。早期的听觉功能评估是利用电生理学技术或者对毛细胞的显微成像来评价听力,但是由于各自技术的局限性,限制了听觉功能评估的准确性。斑马鱼的听觉功能还可以根据更加直接快速的行为检测比如惊吓反应来对其进行评估,而且随着计算机视觉技术以及机器学习的长足发展,使得斑马鱼运动以及行为的自动检测识别上有了很大进步,可以通过视频图像处理的方法直接且准确的检测反映斑马鱼听觉功能的惊吓反应行为。为了同时保证高通量高效率以及便于后续斑马鱼的识别处理,本文主要设计实现了一套拍摄成像设备以及开发了一种斑马鱼惊吓反应运动信息的检测方法。首先本文设计一套高通量检测斑马鱼惊吓反应行为的拍摄系统,斑马鱼直接在一个开放的圆盘里面自由运动,没有多孔板装置中的隔板阻挡,借助红外光照以及相对暗的环境可以减少斑马鱼相互之间对其运动的影响,并且利用了传送带实现高效率高通量的拍摄大量斑马鱼惊现反应的视频图像,这套成像装置为本文后续的药物筛查提供了良好的硬件基础。最后本文还给出了一种针对斑马鱼惊现反应的检测识别方法。目前大部分检测识别斑马鱼的方法是通过斑马鱼的灰度阈值分割或者背景减的方法来提取斑马鱼的形态学信息,但是它对于成像的实验环境要求很高,而且对于斑马鱼相互重叠遮挡的处理,大部分通过形态学腐蚀和膨胀算法来分割相互靠近的斑马鱼,但是这对于斑马鱼运动的准确性影响很大,基于这些问题,本文给出了一种多目标检测方法,通过利用OpenCV库以及深度学习网络yolov3,即使在复杂环境以及斑马鱼相互重叠情况下,仍然能很好的分割识别匹配每一只斑马鱼的运动轨迹信息。在分析耳毒性药物和保护性性药物对于听觉功能影响的研究中有效的应用了这些方法。