鱼类细菌性病害对发展鱼类养殖业构成了严重的威胁, 而抗生素的滥用和病原菌耐药性的出现对鱼类养殖产量、水产品质量和养殖环境造成了严重的影响。为了推动鱼类健康养殖产业的发展, 亟待创新研究鱼类病害的绿色防控技术。噬菌体作为一种天然、无残留的细菌杀手, 具有特异性强、裂解效率高等特点, 利用噬菌体治疗鱼类细菌性病害将是一种重要的技术途径。本文综述了噬菌体的重要资源挖掘、鱼类细菌性病害防控中的作用机制及其应用前景, 并提出了在鱼类健康养殖领域加快研究噬菌体治疗技术的措施, 对鱼类的健康养殖具有重要意义。

鱼体中的肠道微生物菌群是一道天然的免疫屏障, 能抑制病原微生物的定居和增殖, 从而使鱼体免受病害侵袭。洞庭湖是重要鱼类及水生生物的栖息地和基因库, 其中鲤形目(Cypriniformes)和鲈形目(Perciformes)种类最多, 鲇形目(Siluriformes)种类相对较少。洞庭湖鱼类群落结构及生物多样性已引起广泛关注, 但生态系统还是受到了一定程度的破坏, 很少有研究将其肠道微生物群的特征作为改善洞庭湖生态系统的潜在因素。为了探测洞庭湖重要鱼类中的微生物群, 使用16S rRNA高通量测序表征了鲇形目、鲈形目和鲤形目中6种鱼［黄颡鱼(Pelteobagrus fulvidraco)、鳜鱼(Siniperca chuatsi)、鲫鱼(Carassius auratus)、翘嘴鱼(Culter alburnus)、草鱼(Ctenopharyngodom idella)、鲢鱼(Hypophthalmichthys molitrix)］的肠道细菌群落多样性、组成和潜在的功能。所有鱼类肠道样本中有5种优势菌门, 包括厚壁菌门(Fimicutes)、变形杆菌门(Proteobacteria)、梭杆菌门(Fusobacteriota)、放线菌门(Actinobacteriota)和蓝细菌门(Cyanobacteria)。鲤形目和鲈形目鱼类的细菌组成相似, 鲇形目中醋酸杆菌属(Cetobacterium)所占比例高, 而鲤形目中醋酸杆菌属和气单胞菌属(Aeromonas)所占比例均高。对这6种鱼类肠道微生物群的微生物群落的物种组成和功能进行预测, 发现鳜鱼肠道微生物菌群物种的丰富度最高, 并且代谢过程较为旺盛, 推测这可能与鲈形目的抗病能力和适应能力有关。深入了解鱼类肠道微生物菌群的多样性、组成与潜在功能, 不仅可以更好地对微生态制剂使用和其水质管理进行调控, 而且对鱼类的健康养殖具有重要的参考价值。

针对无人机在三维空间里的航迹规划问题, 从加快收敛速度和保证收敛效果的角度, 对标准人工鱼群算法进行改进。首先, 引入自适应视野和自适应步长的改善因子α, 加快算法的收敛速度; 然后, 设定最小视野和最小步长, 保证算法的搜索能力; 最后, 增加跳跃行为, 确保算法在后期可以跳出局部最优。通过软件进行算法的仿真和对比验证, 仿真实验结果表明, 算法在搜索初期具有较快的搜索速度和较好的收敛效果, 搜索后期可以跳出局部最优, 算法的有效性得到验证; 对比实验结果表明, 算法在搜索后期, 最佳适应度有所改善, 算法的优越性得到验证。

为解决人工对荧光原位杂交(Fluorescence In Situ Hybridization，FISH)荧光图像进行结果判读存在的效率低、劳动强度大等问题，针对FISH荧光图像细胞智能检测提出一种融合空域图像增强的改进YOLOv5算法。算法在原始YOLOv5神经网络模型基础上，加入了空域图像增强模块，并选择了模块最佳增强系数，扩大了模型对荧光图像的对比度适应范围，提高了模型的特征提取能力和细胞检测准确率。实验结果显示，改进YOLOv5模型的平均精度均值(Mean Average Precision，mAP)为0.983，达到了比原始模型更优的训练效果和收敛速度，并且，改进YOLOv5模型的细胞识别率达到91.65%，比原始YOLOv5模型提升了9.19%。将细胞智能检测算法嵌入自主开发的荧光图像智能检测软件，结合荧光点检测算法，可给出有效判读结果。

通过肉眼识别鱼类疫病依赖于诊断人员的经验，疫病数据存在类间差距较小与识别效率低等细粒度问题。由于Transformer缺乏卷积神经网络（CNN）的归纳偏差，需要大量的数据进行训练；CNN对全局特征提取不足，泛化性能较差等问题限制模型的分类精度。基于特征图对所有像素的全局交互建立算法模型，提出一种基于CNN与Vision Transformer相结合的鱼类疫病识别模型（CViT-FDRM）。首先，搭建鱼类疫病的数据库FishData01；其次，利用CNN提取鱼类图像细粒度特征，采用Transformer模型自注意力机制获取图像全局信息进行并行训练；然后，采用组归一化层将样本通道分组求均值与标准差；最后，采用404张鱼类疫病图像进行测试，CViT-FDRM达到97.02%的识别准确率。在细粒度图像开源数据库Oxford Flowers上的实验结果表明，CViT-FDRM的分类精度优于主流的细粒度图像分类算法，可达95.42%，提高4.84个百分点。CViT-FDRM在细粒度图像识别方面可达到较好的效果。

为了更好地保护和利用海洋鱼类资源，需要对海洋鱼类进行有效监测，但海洋环境复杂，导致海洋鱼类的识别检测普遍存在检测精度不佳等问题。针对上述问题，本文提出一种基于RetinaNet改进的海洋鱼类检测算法。首先，用DenseNet-121替换RetinaNet原有的主干网络，减少参数量的同时保留了更多的鱼类图像特征。然后，在主干网络中引入卷积注意力模块，引导神经网络更有针对性地提取图像特征。其次，在原有的FPN网络中引入新的卷积层，使得改进后的PFPN网络能够融合更多尺度的图像特征。最后，在分类和回归网络中引入soft-NMS，有效改善了相同类别的鱼距离过近和相互遮挡造成的漏检问题。实验表明，提出算法的平均精度（mAP）达到92.12%，相比SSD等算法的检测效果有明显提高，相比原算法的mAP提升了4.71%，对于海洋鱼类具有较好的检测效果。

激光诱导击穿光谱（LIBS）具备遥感、原位探测的特性，是深空探测识别物质元素组成及含量的重要技术。探测火星表面元素组成及其矿物分布特征是研究火星地质演化和成因的前提。在天问一号任务发射前，基于火星表面成分分析仪（MarSCoDe）开展了15个类别矿物样品的火星模拟探测实验，获取了1920条光谱数据。为验证仪器的探测性能，本文采用人工鱼群算法（AFSA）优化支持向量机（SVM）的高效分类模型（AFSA-SVM），对包括火成岩、沉积岩和金属矿物在内的32种矿物进行分类。首先，采用主成分分析（PCA）算法将原始光谱数据降维，送入AFSA-SVM训练。其次，通过AFSA来优化SVM的参数，实现了99.56%的矿物识别准确率。最后，对比AFSA-SVM模型与其他算法的识别准确率，其中随机森林（RF）算法、反向传播人工神经网络（BPANN）和K近邻（KNN）算法的准确率分别为95.60%、95.80%和90.17%，结果表明AFSA-SVM算法在辅助LIBS识别矿物种类中具有优势。

采用光学显微镜、扫描电子显微镜和拉伸试验机研究了屈服强度为360 MPa级高强度冷轧双面搪瓷用钢搪烧前后的显微组织和力学性能, 应用氢渗透实验评价了实验钢的抗鳞爆性能, 并在实验室进行了湿法和静电干法涂搪实验。研究结果表明: 搪烧前后实验钢的显微组织均为铁素体, 经过搪烧, 铁素体由扁平状变为等轴状, 平均晶粒尺寸由5.47 μm增大至7.07 μm, 搪烧前后实验钢的析出相主要是C、S和Ti的析出相及部分C、S和Mn、Ti的复合析出相, 搪烧后晶粒内析出物数量明显变少。实验钢搪烧前的屈服强度、抗拉强度和伸长率分别为382 MPa、469 MPa和34.5%; 搪烧后的屈服强度降低至355 MPa, 抗拉强度降低至405 MPa, 伸长率增加至38%。强度的降低是由于铁素体平均晶粒尺寸增大、第二相析出物密度降低导致的。实验钢的氢渗透时间为9.68 min, 经湿法和静电干法双面涂搪、烧成后无鳞爆, 密着性能良好。

中国是水产品生产和消费大国。 由于不同鱼产品的品质和价格差距悬殊, 近缘鱼类外观质地相似等特点, 鱼产品掺假和错贴标签的现象频发, 直接损害了消费者的消费和健康权益, 因此实现鱼产品品种品质的快速检测具有重要的现实意义。 激光诱导击穿光谱（LIBS）技术采用脉冲激光烧蚀样品表面产生激光诱导等离子体, 通过探测等离子体的发射光谱实现待测样品元素组分的定性和定量分析, 具有无需（或少量）样品预处理、 多元素同时检测, 分析速度快的优势, 在食品快速检测分析方面具有很大的应用潜力。 将LIBS技术结合随机森林（RF）算法用于不同种类鱼产品快速鉴别分析。 首先对6种鱼肉样品进行压片处理, 采用手持式LIBS分析仪采集其光谱数据, 可探测到清晰的C、 Mg、 CN、 Ca、 Na、 H、 K、 O等元素组分的特征谱线。 将原始光谱数据进行归一化预处理, 采用主成分分析方法（PCA）进行聚类, 发现海水鱼和淡水鱼样品可以区分, 而不同海水鱼之间和不同淡水鱼之间的样品则难以有效区分, 说明PCA方法对鱼肉LIBS光谱分类能力有限。 之后采用非线性的随机森林算法建立分类模型, 经过优化RF模型的决策树个数与决策深度, 得到鱼肉样品的整体识别正确率为90%。 为进一步提高模型识别精度和分析效率, 通过RF模型输出的变量重要性进行光谱特征提取, 识别正确率提高到94.44%, 且模型输入变量由23 431个减少到597个, 模型运算时间显著降低。 表明RF模型结合变量重要性提取可以很好地将LIBS光谱中变量重要性高、 对分类贡献大的弱信号提取出来, 有效剔除了谱线噪声、 背景、 以及其他不相关变量的干扰, 提高模型的识别精度和分析效率。 也验证了手持式LIBS设备结合机器学习方法用于市场鱼产品快速鉴别分析的可行性。