近日，我所水产品温和加工与综合利用创新团队利用计算机视觉技术和深度学习算法，构建了针对大黄鱼新鲜度和南极磷虾粉中虾青素含量的高效、无损、绿色测定方法。相关研究成果发表SCI/EI论文4篇，申请发明专利2项。

针对大黄鱼新鲜度变化快，消费者难以鉴别的问题，团队基于计算机视觉技术和卷积神经网络算法，构建了可区分12和24小时间隔样品的智能模型，准确率分别为72%和84%，并且从瞳孔和体色等角度分析了模型判定的潜在机制。上述内容发表SCI论文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），郑尧博士为论文第一作者，郭全友研究员为论文通讯作者。以上述研究内容为基础，“基于计算机视觉与深度学习的大黄鱼多维品质分级关键技术研究及应用”还获得了2025年上海市农业科技创新项目（科技人才培育）的立项支持。

图1：大黄鱼新鲜度评价卷积神经网络构建、模型解释及潜在机制分析

虾青素是南极磷虾粉中重要的营养活性物质，传统定量测定使用的高效液相色谱法前处理时间长、设备昂贵且需要大量化学试剂。团队基于计算机视觉技术和深度学习算法，建立了集目标识别、自动图像采集与预处理、模型部署、虾青素预测、结果显示功能的虾青素在线监控系统，结果显示系统的绝对误差分布为-2.40~3.73 mg/kg，相对误差分布为1.31~8.60%，能够实时、准确、稳定地监测虾粉的虾青素含量。上述内容发表论文3篇“计算机视觉结合卷积神经网络快速检测南极磷虾粉中的虾青素含量”（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），我所联合培养研究生张全通为第一作者，郑尧博士和郭全友研究员为论文共同通讯作者，上述研究内容还申报发明专利2项。

上述研究内容为水产品品质评价提供了智能化解决方案，更从关键技术上支撑了我所“蓝色食品认证体系”与“数智兴渔工程”的布局与规划，服务渔业行业的智能化升级与绿色可持续发展。

图2：虾粉中虾青素含量测定的图像采集和在线检测系统

（水产品温和加工与综合利用创新团队 郑尧）