本文是一篇原创性研究论文（类型a），以下为面向中文读者的学术报道。

作者团队与发表信息

本研究由Miao Chen、Junfeng Wu、Shaojiang Cheng、Saibei Zheng、Peihua Wu、Yida Sha、Yizhi Zhou和Miao Wang共同完成，作者单位均为大连海洋大学（Dalian Ocean University）：信息工程学院、大连市智慧渔业重点实验室，以及教育部环境控制养殖重点实验室。通讯作者为Junfeng Wu（wujunfeng@dlou.edu.cn）。论文发表于期刊 *Intelligent Marine Technology and Systems*，2026年第4卷，文章编号29，DOI为10.1007/s44295-026-00121-7，采用开放获取（Open Access）方式出版。

研究背景与目的

该研究属于智慧水产养殖（smart aquaculture）与计算机视觉交叉领域中的鱼类密度估计（fish density estimation）问题。精确的鱼类密度估计是精准养殖（precision aquaculture）的重要任务，可支撑投喂管理、放养调控与生产监测。然而，真实养殖场景中的鱼群图像普遍存在严重遮挡、光照变化、水体浑浊和背景干扰等问题，使准确估计十分困难。现有方法主要分为两类：基于检测的计数（detection-based counting）通过定位个体实例来计数，在目标清晰分离时表现良好，但在拥挤场景中因严重遮挡、边界模糊和鱼体粘连而可靠性下降；基于密度估计的计数（density-estimation-based counting）则预测密度图并通过空间积分获得最终计数，在重度重叠下通常更稳定。作者指出现有鱼类密度估计方法存在两个直接局限：其一，多数方法只关注图像级计数精度或像素级密度图监督，缺乏对局部计数一致性（local count consistency）的显式约束，导致一个区域的低估可能被另一区域的高估抵消，即使图像级总数看似合理；其二，通道注意力（channel attention）虽常用全局视觉统计进行特征重校准，但在养殖场景中光照变化、背景杂乱和尺度变化仍会在非鱼区域产生不良响应。基于此，作者提出多粒度计数一致性网络MGCC-Net（multi-granularity counting consistency network），旨在同时保证准确的全局计数与可靠的局部空间分布。

研究流程与技术方法

研究整体包含数据集构建、网络设计、训练优化与多组实验评估等环节。

第一，构建真实场景鱼类密度数据集AquaFish-Count。该数据集共含2089幅图像，来源有二：研究团队在养殖环境中采集的图像（使用Hikvision DS-2CD1245(D)-LA 400万像素PoE网络摄像机），以及主要描绘自然海洋环境的网络图像。数据涵盖水下与水面视角，具有多样的光照、水体清澈度、拍摄角度和背景条件。每幅图像均进行点级标注（point-level annotation），每条鱼一个点，用于生成密度图与计数监督。依据每幅图像的标注鱼数，数据集被划分为FD-High（每图超过100条鱼，含858幅训练图和240幅测试图）与FD-Low（每图不超过100条鱼，含793幅训练图和198幅测试图）。其中94.21%的图像原始分辨率为1920×1080像素。此外，作者还从Zhao等人（2024）构建DLOUFishDensity所用同一批源视频中提取并标注图像帧，重建了DLOUFishDensity-R数据集，用于补充评估。

第二，设计MGCC-Net网络结构。该网络由ConvNeXt骨干网络（以ImageNet预训练权重初始化）、双投影通道注意力模块（dual-projection channel attention, DPCA）和密度回归头组成。输入图像先经骨干网络提取特征图F，再由DPCA细化得到增强特征图F′，最后经回归头预测密度图y，并通过空间积分得到图像级预测计数c。回归头由三层卷积构成：256通道的3×3卷积接GELU激活、128通道的3×3卷积接GELU、以及输出单通道密度图的1×1卷积，且不含额外上采样操作。

第三，提出DPCA模块。其做法是对骨干特征图进行全局平均池化得到全局描述符z，再用两个可学习的线性变换We和Wf分别得到两个投影表示e和f，二者相加融合为h=e+f，随后经可学习线性变换Wα和Sigmoid激活得到通道注意力向量α=σ(Wα·h)，最终通过通道重加权与残差融合得到F′=α⊙F+F，在保留原始特征信息的同时增强对鱼类密度估计贡献更大的通道。该模块与密度估计目标联合优化，属于任务导向的通道重校准机制。

第四，提出多粒度局部块计数损失（multi-granularity local patch count loss, MG-LPCL）。对每个网格尺度g，将密度图划分为g×g个不重叠局部区域并积分得到局部计数向量ng与真值局部计数向量n_gt^g，定义该尺度下的局部计数损失为二者之差的L1范数。作者从数学上说明，由于局部区域构成密度图的完整划分，图像级计数误差等于各区域误差之和且不超过局部损失，因此图像级误差小并不意味着区域预测准确，正负区域误差可能在全局聚合中相互抵消。MG-LPCL通过在不同空间粒度上显式惩罚区域差异来缓解这一补偿效应：粗粒度分区评估较大区域上的计数分配，细粒度分区则暴露粗聚合后可能被掩盖的局部差异，二者组合在互补的空间范围上施加约束。最终多粒度损失为各尺度损失的加权和。完整训练目标由最优传输损失（optimal transport loss）、图像级计数损失、基于全变分的分布一致性正则项和MG-LPCL加权组合而成，其中最优传输项采用Sinkhorn迭代近似求解。

第五，实验设置与评估。所有模型在PyTorch中实现，于NVIDIA RTX 4090 GPU上训练，使用Adam优化器，学习率1×10⁻⁵，权重衰减1×10⁻⁴，训练300轮，批大小8，训练时随机裁剪256×256图像块，不采用学习率调度或早停。评价指标为平均绝对误差（MAE）和均方根误差（RMSE）。MG-LPCL采用g={8,16}两个网格尺度，主结果中FD-High的粗/细权重设为(0.3, 0.7)，FD-Low设为(0.4, 0.6)；总目标中四个损失系数分别为0.1、1.0、0.01和0.02。对比基线涵盖传统密度估计方法CSRNet、DM-Count、MobileCount，基于Transformer的CLTR、GramFormer，以及鱼类专用方法FishFeed和Hybrid Swin-CSRNet。实验围绕六个研究问题展开：整体计数性能、关键组件与损失项的有效性、多粒度权重设置的影响、视觉扰动下的鲁棒性、在额外数据集上的补充评估，以及定性表现与可解释性。

主要实验结果

在AquaFish-Count上的整体比较显示，MGCC-Net在FD-High上取得最低的MAE和RMSE（17.⁴⁵⁄₂₁.01），优于包括Transformer类方法和鱼类专用Hybrid Swin-CSRNet在内的所有对比方法；在FD-Low上GramFormer误差最低，MGCC-Net以5.⁶¹⁄₆.83位居第二，仍优于其余所有方法。这表明其优势并非均匀分布于所有密度条件，而是在重叠严重的高密度场景中最为明显。

消融实验表明两个模块各自独立有效且相互补充。以无组件的基线（FD-High 23.²⁴⁄₂₈.96，FD-Low 7.03/8.82）为起点，单独加入DPCA使FD-High降至21.¹⁷⁄₂₆.17、FD-Low降至6.¹²⁄₇.39；单独加入MG-LPCL收益更大，降至18.⁶²⁄₂₂.63和5.⁹⁵⁄₇.40；二者结合达到最佳性能17.⁴⁵⁄₂₁.01和5.⁶¹⁄₆.83。作者解释称，MG-LPCL提升空间分布保真度，DPCA则在复杂视觉条件下增强特征判别力。与SE、CBAM、ECA等注意力的对比中，DPCA在FD-High上取得最低MAE和RMSE，在FD-Low上CBAM的MAE略低而DPCA的RMSE最低；参数量方面，DPCA仅使模型从90.22M微增至90.42M，与CBAM仅差0.07M，说明性能差异并非源自模型容量的显著增加。逐项移除损失函数的实验显示，完整组合误差最低，移除任一项均使误差上升：FD-High上移除lmg退化最大，FD-Low上移除lcnt退化最大。

多粒度权重敏感性实验表明，双粒度配置优于任一单粒度配置：FD-High上0.³⁄₀.7配置最优，FD-Low上0.⁴⁄₀.6配置最优。鲁棒性实验中，以亮度因子0.6和1.4生成暗、亮条件并叠加合成非目标图案模拟背景干扰，结果显示FD-Low上变暗导致的误差增幅最大（MAE升至10.29），FD-High上三种扰动均使误差上升（暗22.16、亮22.81、背景干扰22.42，清洁条件17.45）。在DLOUFishDensity-R上的补充评估中，MGCC-Net同样取得最低MAE和RMSE（20.00/42.85），优于CLTR和GramFormer等全部对比方法；MAE与RMSE差距较大主要源于一个极端密集聚集样本的显著低估，说明极端重叠场景仍是挑战。定性结果方面，与DM-Count和FishFeed相比，MGCC-Net生成的密度图响应更集中于鱼体区域、背景噪声更少，在FD-High的重叠场景中高响应区域更清晰，在FD-Low中破碎响应和背景干扰更少。

结论与价值

研究结论为：MGCC-Net通过MG-LPCL在多个空间尺度上强化局部计数一致性，并通过DPCA利用全局视觉描述符的两个学习投影重校准通道响应，在真实养殖与自然海洋环境图像上于FD-High取得最佳计数性能、在FD-Low保持竞争力，并在DLOUFishDensity-R上得到验证。其科学价值在于揭示了图像级计数监督下局部误差相互抵消的问题，并给出显式多粒度区域计数约束这一解决思路；应用价值在于为海洋生物环境感知与智慧养殖监测系统中的投喂管理、放养调控和生产监测提供技术支撑。未来工作方向包括提升对不同鱼种、光照、浊度和相机视角的泛化能力，以及开发更轻量高效的模型变体以满足实时部署需求。

研究亮点

其一，提出MG-LPCL，直接作用于区域计数估计而非特征感受野或局部密度模式，通过粗、细粒度组合在互补空间范围上约束区域计数误差；其二，设计DPCA，对同一全局描述符施加两个学习投影后再生成通道权重，并与密度估计目标联合优化；其三，构建包含养殖与自然海洋环境图像的AquaFish-Count数据集，并按图像级鱼数组织为FD-High与FD-Low，为不同密度条件下的评估提供了基准。

其他有价值内容

论文的资助信息包括国家自然科学基金（No. 31972846）、辽宁省自然科学基金（No. 2023-MSLH-008）和大连市科技人才创新支持政策项目（No. 2024RG008）。数据可用性方面，AquaFish-Count因部分源数据受数据使用协议限制暂不公开，但可在合理请求下向通讯作者获取点标注与训练/测试划分文件；源代码与训练权重暂未公开发布，实现细节、配置文件、测试脚本和模型权重可在合理请求下提供以用于可复现性验证。伦理方面，本研究未对活体动物进行实验操作，图像数据采集未对鱼类行为、健康或福利造成实验性干预，故无需伦理审批。作者声明无利益冲突。