近日，我所水產品溫和加工與綜合利用創新團隊利用計算機視覺技術和深度學習算法，構建了針對大黃魚新鮮度和南極磷蝦粉中蝦青素含量的高效、無損、綠色測定方法。相關研究成果發表SCI/EI論文4篇，申請發明專利2項。
針對大黃魚新鮮度變化快，消費者難以鑒別的問題，團隊基于計算機視覺技術和卷積神經網絡算法，構建了可區分12和24小時間隔樣品的智能模型，準確率分別為72%和84%，并且從瞳孔和體色等角度分析了模型判定的潛在機制。上述內容發表SCI論文1篇“Classifying the freshness of large yellow croaker (Larimichthys crocea) at 12- and 24-hour intervals using computer vision technique and convolutional neural network. Smart Agricultural Technology”（Q1，IF 5.7），鄭堯博士為論文第一作者，郭全友研究員為論文通訊作者。以上述研究內容為基礎，“基于計算機視覺與深度學習的大黃魚多維品質分級關鍵技術研究及應用”還獲得了2025年上海市農業科技創新項目（科技人才培育）的立項支持。
圖1：大黃魚新鮮度評價卷積神經網絡構建、模型解釋及潛在機制分析
蝦青素是南極磷蝦粉中重要的營養活性物質，傳統定量測定使用的高效液相色譜法前處理時間長、設備昂貴且需要大量化學試劑。團隊基于計算機視覺技術和深度學習算法，建立了集目標識別、自動圖像采集與預處理、模型部署、蝦青素預測、結果顯示功能的蝦青素在線監控系統，結果顯示系統的絕對誤差分布為-2.40~3.73 mg/kg，相對誤差分布為1.31~8.60%，能夠實時、準確、穩定地監測蝦粉的蝦青素含量。上述內容發表論文3篇“計算機視覺結合卷積神經網絡快速檢測南極磷蝦粉中的蝦青素含量”（EI）、“In-line monitoring astaxanthin in krill meal using computer vision” （Q2，IF 4.6）、“Rapid quantitative analysis of astaxanthin isomers in Antarctic Krill meal by combining computer vision with convolutional neural network”（Q2，IF 2.4），我所聯合培養研究生張全通為第一作者，鄭堯博士和郭全友研究員為論文共同通訊作者，上述研究內容還申報發明專利2項。
上述研究內容為水產品品質評價提供了智能化解決方案，更從關鍵技術上支撐了我所“藍色食品認證體系”與“數智興漁工程”的布局與規劃，服務漁業行業的智能化升級與綠色可持續發展。
圖2：蝦粉中蝦青素含量測定的圖像采集和在線檢測系統
（水產品溫和加工與綜合利用創新團隊 鄭堯）
