编辑推荐：
针对鱼类养殖中鱼苗统计依赖人工、效率低成本高的问题，研究人员开展了基于视觉追踪的自动化计数研究。他们提出了DuoCounter方法，通过集成两条参考线和基于关键点的特征比较，有效减少了身份切换（ID switch）问题。在真实养殖视频上的评估显示，该方法与人工计数结果高度相关（0.97），并取得了0.91的召回率和0.83的精确度。该方法为解决水产养殖自动化监测中的关键难题提供了新方案，具有较强的应用前景。
在水产养殖领域，鱼苗（fingerlings）的准确计数是一项基础而繁琐的任务。对于鱼农而言，无论是评估养殖密度、监测生长情况，还是进行销售和运输，掌握鱼群的确切数量都至关重要。传统的人工计数方法不仅耗时费力，而且容易因疲劳和主观判断产生误差，增加了生产成本。随着计算机视觉技术的快速发展，利用摄像头和算法实现自动化计数成为行业关注的热点。其核心思路通常是设定一个虚拟的“计数线”或“计数区域”，当鱼游过时即被记录。这听起来很智能，但在实际动态、拥挤的养殖池中，鱼儿们可不是规规矩矩地排队通过。它们会相互遮挡、快速游动、进出计数区域，导致一个令人头疼的问题——身份切换（identity switch，或称ID switch）。简单来说，就是同一条鱼在进入、离开又再次进入计数区域时，可能被系统误认为是两条不同的鱼，从而被重复计数；或者，追踪算法在中途丢失了目标，导致漏数。这些误差严重影响了自动化计数的可靠性和实用性，使得许多看似先进的方法难以真正落地。
为了解决上述问题，并在保证效率的同时提升准确性，研究人员在《IEEE Access》上发表了一项研究，提出了名为DuoCounter的新方法。这项研究的核心在于，它不仅仅依赖单一的计数线，而是创新性地整合了两条参考线，并辅以持续的目标追踪列表和基于关键点的特征提取与比较机制。当系统检测到可能有身份切换发生时，它会调用存储的特征进行比对，从而智能地判断这是否是同一条鱼的再次出现，有效避免了重复或漏计。为了验证方法的有效性，团队在真实的水产养殖现场录制了视频，并进行了精细的人工标注，作为评估的“金标准”。测试结果显示，DuoCounter的表现相当出色：其计数结果与人工计数的相关性高达0.97，召回率（Recall）达到0.91，精确度（Precision）为0.83。这些数据表明，该方法不仅计数准确，而且在追踪的鲁棒性上也优于其他先进方法，为实现可靠、高效的自动化鱼群监测提供了新的技术路径。
本研究主要采用了几个关键技术方法：首先是基于YOLOv12的目标检测器，用于从视频帧中初步识别和定位鱼苗。其次是多目标追踪（MOT）框架，用于在视频序列中持续跟踪每一个被检测到的个体。第三是双参考线计数逻辑，通过设定两条线来更精确地判定鱼的“通过”事件。第四是基于关键点（keypoint）的特征提取与匹配技术，这是解决身份切换问题的核心，通过比较鱼体关键点的特征来重新识别可能丢失后又出现的个体。实验所使用的评估数据来源于真实世界的养殖池视频，并配有手工标注的真实值（ground truth）。
研究结果
研究人员对DuoCounter方法进行了系统评估，主要得出以下几方面结论：
- 1.
计数准确性评估：在真实养殖视频数据集上，DuoCounter的自动计数结果与人工标注的真实值之间显示出极强的统计相关性（相关系数达0.97），这表明其计数结果高度可信，接近人工水平。
- 2.
追踪性能指标：采用多目标追踪领域的常用评估指标，DuoCounter取得了召回率（Recall）0.91和精确度（Precision）0.83的成绩。高召回率意味着系统能有效地找到大多数应该被计数的鱼，而可观的精确度则表明其误报（将非计数事件或重复计数）控制在较低水平。
- 3.
身份切换消减分析：通过与依赖单一计数区的传统方法对比，DuoCounter显著减少了身份切换（ID switch）事件的发生。这直接归功于其双参考线设计与关键点特征再识别机制，证明了该设计在维持目标身份一致性方面的有效性。
- 4.
与先进方法对比：研究将DuoCounter与当前最先进（state-of-the-art）的几种计数与追踪方法进行了比较。结果显示，无论是在计数误差还是追踪的连续性上，DuoCounter都展现出了更优或相当的性能，验证了其整体方案的先进性。
结论与讨论
本研究成功开发并验证了DuoCounter，一种基于追踪并融合双参考线及关键点特征匹配的鱼苗自动计数方法。该研究明确指出，单纯依赖划定计数区域的传统自动化方法极易因目标丢失和重识别失败而导致身份切换，这是制约其实际应用精度的主要瓶颈。DuoCounter通过引入第二条参考线作为确认，并维护一个动态的目标特征库，在疑似身份切换发生时进行特征比对，从而巧妙地化解了这一难题。最终实验数据证实，该方法能够以接近人工的精度（相关系数0.97）进行连续计数，同时在召回率与精确度上取得良好平衡，其性能优于现有先进方法。
这项工作的意义不仅在于提出了一个更高精度的计数算法，更在于为复杂动态场景下的生物个体自动化监测提供了一种可借鉴的技术思路。其双线验证与特征回溯的机制，对于解决其他领域类似的目标追踪、出入计数和身份维持问题具有启发价值。尽管研究在真实养殖场景中取得了成功，但作者也指出，未来工作可以进一步探索在更密集群组、更差水质能见度等极端条件下的适应性，并考虑将算法集成到低成本的嵌入式设备中，以推动水产养殖智能化管理的真正普及。发表在《IEEE Access》上的这项成果，标志着向可靠、实用的自动化渔业监测工具迈出了坚实的一步。
