中國(guó)水產(chǎn)科學(xué)研究院東海水產(chǎn)研究所在魷魚(yú)捕撈船船員行為識(shí)別方面取得進(jìn)展，相關(guān)成果以論文“Behavior Recognition of Squid Fishing Vessel Crew based on Deep Learning”發(fā)表在漁業(yè)國(guó)際期刊《Fishes》（JCRQ2，影響因子：2.3）。東海所與上海海洋大學(xué)聯(lián)合培養(yǎng)研究生宋一帆為第一作者，漁業(yè)遙感技術(shù)與數(shù)字漁業(yè)創(chuàng)新團(tuán)隊(duì)張勝茂副研究員為通訊作者。 　　隨著遠(yuǎn)洋捕撈的發(fā)展，船員的工作環(huán)境和監(jiān)控變得越來(lái)越重要。傳統(tǒng)的遠(yuǎn)洋人類觀測(cè)方法成本高、覆蓋范圍低、時(shí)效性差、且易受主觀因素影響。電子監(jiān)測(cè)系統(tǒng)（EMS）具有在各種天氣條件下連續(xù)運(yùn)行、數(shù)據(jù)更加客觀、透明、高效、對(duì)捕撈作業(yè)干擾較小等優(yōu)點(diǎn)。本研究介紹了3DCNN模型、LSTM+Resnet模型、timesformer模型如何應(yīng)用于視頻分類任務(wù)，并首次應(yīng)用于EMS系統(tǒng)。通過(guò)測(cè)試比較三種模型在視頻分類中的應(yīng)用效果，討論將它們用于視頻識(shí)別的優(yōu)勢(shì)和挑戰(zhàn)，我們得到了使用不同模型的視頻識(shí)別的準(zhǔn)確率和相關(guān)指標(biāo)。研究結(jié)果表明，當(dāng)NUM_frameS設(shè)置為8時(shí)，LSTM+Resnet-50模型的性能最好，能夠較為準(zhǔn)確的識(shí)別魷魚(yú)捕撈船船員的行為模式，其準(zhǔn)確率為88.47%，F(xiàn)1得分為0.8881，m_ap得分為0.8133。分析遠(yuǎn)洋漁業(yè)EMS系統(tǒng)，可以提高我國(guó)遠(yuǎn)洋漁業(yè)績(jī)效水平和管理效率，促進(jìn)漁業(yè)知識(shí)服務(wù)體系和智慧漁業(yè)工程的發(fā)展。 　　該成果得到了嶗山實(shí)驗(yàn)室項(xiàng)目、國(guó)家自然科學(xué)基金的支持。研究方法在中國(guó)水產(chǎn)舟山海洋漁業(yè)有限公司有限公司的北太平洋魷魚(yú)釣漁船捕撈監(jiān)控視頻開(kāi)展了應(yīng)用試驗(yàn)。