中國水產科學研究院東海水產研究所在魷魚捕撈船船員行為識別方面取得進展，相關成果以論文“Behavior Recognition of Squid Fishing Vessel Crew based on Deep Learning”發表在漁業國際期刊《Fishes》（JCRQ2，影響因子：2.3）。東海所與上海海洋大學聯合培養研究生宋一帆為第一作者，漁業遙感技術與數字漁業創新團隊張勝茂副研究員為通訊作者。 　　隨著遠洋捕撈的發展，船員的工作環境和監控變得越來越重要。傳統的遠洋人類觀測方法成本高、覆蓋范圍低、時效性差、且易受主觀因素影響。電子監測系統（EMS）具有在各種天氣條件下連續運行、數據更加客觀、透明、高效、對捕撈作業干擾較小等優點。本研究介紹了3DCNN模型、LSTM+Resnet模型、timesformer模型如何應用于視頻分類任務，并首次應用于EMS系統。通過測試比較三種模型在視頻分類中的應用效果，討論將它們用于視頻識別的優勢和挑戰，我們得到了使用不同模型的視頻識別的準確率和相關指標。研究結果表明，當NUM_frameS設置為8時，LSTM+Resnet-50模型的性能最好，能夠較為準確的識別魷魚捕撈船船員的行為模式，其準確率為88.47%，F1得分為0.8881，m_ap得分為0.8133。分析遠洋漁業EMS系統，可以提高我國遠洋漁業績效水平和管理效率，促進漁業知識服務體系和智慧漁業工程的發展。 　　該成果得到了嶗山實驗室項目、國家自然科學基金的支持。研究方法在中國水產舟山海洋漁業有限公司有限公司的北太平洋魷魚釣漁船捕撈監控視頻開展了應用試驗。