摘要
准确监测鱼体的长度和重量对于评估生长状况、优化喂养策略以及支持智能水产养殖管理至关重要。然而，传统的手动测量方法劳动强度大，并且由于反复处理鱼群可能会导致压力或伤害。为了解决这些限制，本研究开发了AquaFishNet，这是一个基于双目视觉的非接触式水下鱼体长度和重量估算框架，适用于Leiocassis longirostris。在真实的循环水养殖环境中，使用校准过的双目相机系统收集了水下图像。AquaFishNet结合了轻量级的鱼体分割技术、基于立体视觉的长度估算方法以及基于深度学习的重量预测技术。实验结果显示，鱼体长度的估算误差大多在±2厘米范围内，相对误差通常低于8%。对于鱼体重量的预测，大多数相对误差也在±7%以内，模型的R平方值为0.9851，均方根误差（RMSE）为18.38克，平均绝对误差（MAE）为12.92克。这些发现表明，AquaFishNet为精准水产养殖中的鱼类生长监测和生物量估算提供了一种有效的非接触式解决方案。
