这是一篇原创研究论文（类型a）的学术报告。
该研究由Yao Wang、Xiangyu Cheng、Yuchen Lu、Qinglong Zhao、Haitao Zhu、Yanyan Wang（通讯作者）以及Yuxuan Zhang（通讯作者）共同完成。研究团队主要来自哈尔滨工程大学烟台研究院（Yantai Research Institute, Harbin Engineering University）、北京农业大学（Beijing University of Agriculture）智能科学与工程学院以及瑞典中部大学（Mid Sweden University）计算机与电气工程系。这项题为《面向复杂养殖水域鱼类丰度估计的环境自适应声光感知》（Environment-adaptive acoustic–optical sensing for fish abundance estimation in complex aquaculture waters）的研究，于2026年10月16日被期刊《Scientific Reports》接收并在线发表。
本研究属于水产养殖工程与水下多模态感知的交叉领域。随着海洋牧场和深远海网箱养殖的规模化发展，对鱼群密度、种群数量和生长状态进行实时、非侵入式监测已成为智慧渔业的核心需求。然而，传统的人工视觉估算或网捕等侵入式手段具有破坏性、非连续性和主观性强等内生缺陷，难以满足精细化生产管理的要求。现有的自动化感知方案同样面临严峻挑战：在水体浑浊、气泡干扰、目标遮挡以及声波混响等复杂水下环境中，单一传感器难以同时兼顾环境适应性与精细的目标表征能力——光学传感器（Optical Sensor）能捕捉鱼体的纹理、边界等外观细节，但极易受水质浑浊度（Turbidity）和光照条件影响而失效；声学传感器（Acoustic Sensor）虽能提供稳定的远距离几何轮廓信息，但在浅水高密度鱼群中易受边界混响和回波重叠的干扰。因此，构建一种鲁棒的声光融合感知框架是该领域亟待解决的关键科学问题。本研究的首要目的，便是开发并验证一个名为EAGF-Net（Environment-Aware Geometric Fusion Network，环境感知几何融合网络）的全新算法框架，以实现复杂水体中鱼群的非侵入式监测与丰度精确估计。
为了实现上述目标，研究团队构建了一个包含多模态感知、个体关联与轨迹管理、基于调查路径的丰度估计三个核心阶段的完整技术流程。
在第一阶段的多模态感知部分，研究人员提出了核心创新网络EAGF-Net。该网络采用异构双流主干（Heterogeneous Dual-stream Backbone）设计，分别对同步采集的光学图像与声纳图像进行独立编码，以学习模态专属的特征表示。此外，作者设计了正交权重解耦（Orthogonal Weight Decoupling, OWD）损失项以最大化光学与声学特征提取器在参数空间内的不相关性，强制二者提取出物理特性差异化、非冗余的互补特征。为了对抗水体浑浊导致的光学边界退化，网络在浅层引入空间几何引导（Spatial Geometric Guidance, SGG），将声纳相对稳定的空间几何信息注入视觉特征进行补偿。在中层特征融合阶段，环境感知门控融合（Adaptive Gated Fusion, AGF）模块通过分析光学特征的全局统计量来判断当前视觉信息的置信度，并据此动态调节光学纹理特征与声学几何特征的权重，使网络在清澈时依赖视觉，在浑浊或干扰增大时增加对声纳特征的贡献。在深层语义级别，网络部署了非对称交叉注意力语义校准（Asymmetric Cross-attention Semantic Calibration, ACSC），以光学语义为指导校准声纳响应，抑制由混响或背景噪声产生的伪影。最终，通过多尺度门控双轴注意力（Multiscale Gated Biaxial Attention, MGBA）模块整合多个尺度的跨模态信息，并通过一个轻量级上下文增强模块提升模型对不同尺寸鱼体的适应能力。这一多重融合设计生成了鲁棒的鱼体区域掩膜（Fish-Region Mask）与鱼眼关键点（Fish-Eye Keypoint）热力图。
第二阶段旨在解决高密度鱼群中因粘连、遮挡导致的分割与计数难题。研究团队创新性地提出了基于关键点拓扑关联计数（Keypoint-based Topological Association Counting, KTAC）的方法。该策略并非直接利用鱼眼的关键点作为独立检测对象，而是将其视为鱼头的解剖学几何锚点。利用标定后的双目立体相机获取鱼眼关键点的三维空间坐标进行立体验证。在同一帧内，KTAC结合鱼眼关键点拓扑关系与鱼体区域掩膜提供的头宽几何约束，采用双向互查机制（Bidirectional Interdependence Check, BIC）完成个体匹配，有效分离了紧密排列的重叠个体。随后，这些形成的鱼体实例（Fish-Instance Observations）被送入卡尔曼滤波（Kalman Filter）状态空间模型，使用结合马氏运动距离（Mahalanobis Motion Distance）和视觉形态差异的匈牙利算法（Hungarian Algorithm）进行帧间的轨迹匹配与管理，从而构建出跨时间的个体轨迹身份（Trajectory Identity），大幅减少了因游动折返或短暂丢失造成的重复计数。
第三阶段构建了基于有效感知体积的丰度反演模型。研究将声光融合系统的有效探测空间建模为一个截断的四面体（Truncated Tetrahedron），并将其沿着平台的调查路径（Survey Path）离散化。通过将调查轨迹的累计轨迹通量（Trajectory Flux）与同步计算的扫掠水体体积（Swept Volume）进行运算，得出平均体积密度，进而反推出整个养殖水体的鱼类总数。
研究团队在八个实验池塘中进行了严格的工程级验证（编号P1至P8），涵盖了清澈、中浊、高浊三种水体条件，以及低、中、高三种放养密度，共采集了48,560帧有效同步数据，累计调查路线长达328.5米。实验结果显示，EAGF-Net在综合指标F-measure上达到了0.924，相较于纯声学模型提升了18.0%，相较于纯光学模型提升了33.3%，且其平均像素交并比（mIoU）达到了0.871，结构度量（Sm）为0.938，表明融合结果的轮廓完整性与空间重叠度极高。在应对极端浑浊环境时，EAGF-Net的性能衰减率（ηturb）仅为0.087，显著优于对比模型，证明了其环境自适应性。在计数精度方面，融合框架在不同工况下的平均准确率达96.40%，尤其在密集进食与浑浊气泡等视觉单模态失效的场景（准确率分别降至45.10%和22.40%）下，融合模型仍能维持92.30%和93.80%的高准确率。最终，在鱼塘级别的丰度估计中，系统估计总数为1,939条，与真实值1,975条相比，相对误差仅为1.80%，八个独立鱼塘的相对误差均控制在±6%以内。消融实验进一步量化了各模块的贡献，其中MGBA模块对像素级误差mIoU的提升最为显著，验证了多尺度交互在解决密集遮挡问题中的关键作用。
本研究的核心结论有三点：其一，EAGF-Net融合光学外观线索与声纳几何特征，能在水质条件剧烈波动时显著提升鱼体区域预测的鲁棒性（F-measure=0.924, Sm=0.938）；其二，相较于主流的RGB-D或通用多模态融合基线模型，该框架在结构保持权衡量度（加权F-measure=0.953）和像素级误差（MAE=0.010）上均取得了更优的平衡；其三，基于调查路径的体积密度估计法实现了跨场景的高精度丰度统计。
本研究的科学价值在于，它超越了一般的目标检测范畴，构建了一个从像素级声光异构特征互补、到实例级拓扑匹配、再到系统级轨迹通量统计的层次化感知框架，为水下多模态信息的物理级融合提供了新的建筑模块思路。其应用价值在于，该研发框架为非侵入式智慧渔业提供了一套可在浑浊、密集等恶劣工况下工作的可靠解决方案，其96.40%的帧级计数精度和1.80%的鱼塘整体估计误差验证了该技术在工程化应用中的巨大潜力。论文的亮点体现在其系统级的创新算法设计，包括将声纳几何结构引入特征学习、利用双目立体视觉辅助二维拓扑匹配等，这些方法有效地应对了高密度生物计数中极易出现的遮挡与错配问题。当前研究主要在受控的封闭池塘内完成，作者指出未来需向开放水域、跨季节长周期的连续验证进行拓展，并解决平台颠簸、传感器漂移和在线域自适应轻量化部署等更具挑战的工程难题。