Abstract:

Abstract:

为提高养殖池的污染物去除效率，设计了一种漏斗型集污装置，以双向射流进水的双通道圆形养殖池为例，建立了三维两相流场模型，在网格无关性及数值方法有效性验证的基础上，研究了速度分布、水流均匀性指数、水循环能量利用率，以及不同密度的污染物迁移规律、集聚效应和去除率。研究发现：漏斗型装置可增大养殖池轴向流速梯度，形成中心低压环流，促进污染物集聚和排出；随着进水质量流率增大，养殖池中高层水体混合能力增强，但底层水体的湍流及二次流运动加剧，污染物去除率呈“先降后升”的趋势；悬浮物易受水体浮力带动，主要经溢流口排出，去除率随流率增加而提高；中密度污染物迁移路径和去除率随流率变化而显著波动；沉淀物受重力主导，流率过大会引起湍流扰动而降低去除率。

Abstract:

为解决工厂化海水养殖尾水固体废弃物含水率高、黏度大、颗粒细，传统固液分离设备适应性差、脱水效率低的问题，实现其高效脱水与减量化、资源化处理。通过测定尾水固废料浆理化特性，设计适用于该料浆的厢式压滤机；基于FLUENT软件建立多滤室模型，模拟分析压滤过程中的流场速度、压力及浓度分布；基于Box-Behnken设计的响应面法，以滤饼含水率为响应值，对进料压力、多孔介质孔隙率及进料浓度进行参数优化。结果显示，最优参数组合：进料压力0.85 MPa、孔隙率0.15、进料浓度20%，此条件下预测滤饼含水率为46.65%。样机试验表明，在优化参数下滤饼平均含水率为51.46%，压滤出水悬浮物浓度14.3 mg/L、pH 7.55，满足排放标准，脱水效果显著。研究表明，经CFD模拟与响应面法协同优化的厢式压滤机，能够有效实现高黏度细颗粒海水养殖尾水固废的有效固液分离。本研究可为海水养殖尾水固废的减量化处理与资源化利用提供有效解决方案。

Abstract:

为探索渔港新型水工结构在不同波浪条件下的消浪性能，保障渔船安全靠泊作业，设计了不连通孔和连通孔两种新型开孔式水工结构，通过物理模型试验方法，系统性地分析了两种新型开孔式水工结构在不同波浪要素下的反射系数变化规律，以探索其消浪效果。试验结果表明，不连通孔结构在大波高及长周期的复合波浪条件下，其反射系数可比连通孔结构低，消浪效果较好。而连通孔结构在短周期的波浪及低水位的条件下表现出更好的消浪效果。本研究可在工程设计中依据设计波谱特征进行结构选型，为渔港新型防波堤和码头等水工结构的优化设计提供了重要参考。

Abstract:

随着近海养殖空间趋于饱和，海上养殖从近岸逐渐迈向深远海，相较于近海，深远海的海洋环境更为恶劣，这对养殖设施的结构安全提出了更高的要求。桁架式养殖平台主体为刚性结构，具备优秀的抗风浪与抗变形能力，其研究重点在于结构稳定性和受力特性，包括平台姿态偏移、回复力矩衰减、倾覆风险及系泊力等。为了研究系泊锚链失效对桁架式养殖平台动力响应特性的影响，本研究基于物理模型试验研究了系泊完好状态和单根系泊锚链失效下桁架式养殖平台的动力响应特性。结果表明，系泊锚链失效会减少系泊系统对养殖平台运动的约束能力，在不规则波浪作用下，单根系泊锚链失效对养殖平台的运动响应随谱峰周期的变化趋势无明显影响，但会改变平台的运动响应幅值：相较于系泊系统完好时，平台纵荡响应最大增幅7.45%，纵摇响应最大增幅16.61%，垂荡响应则降幅3.99%。同时，随着波浪有效周期的增加，系泊锚链失效对平台纵荡、纵摇响应的影响逐渐减弱，对平台垂荡响应的影响则持续增强。在波流联合的作用下，养殖平台的纵摇响应与迎浪侧的系泊力的变化最为显著。系泊锚链失效后，纵摇响应有效值增幅达1.19倍，平台最大倾斜角度为15.59°，迎浪侧系泊力有效值增幅达2.85倍。其研究结果为深远海桁架式养殖平台及其系泊系统的优化设计提供理论参考。

Abstract:

超低温金枪鱼肉质硬、温度低、体质量大，造成切割加工危险系数高、加工误差大和加工效率低。针对超低温金枪鱼大锯切割加工需求，开展了基于CCD双视觉校正、可伸缩顶杆夹具、脊线动态跟踪技术研究，形成了超低温金枪鱼检测、搬运和加工一体化的智能化加工系统。采用CCD （Charge coupled device）双视觉相机自动识别鱼体姿态，进行超低温金枪鱼特征参数测量和分析，开展了金枪鱼专用可伸缩顶杆夹具体设计、夹持面纹理选型和夹持力计算，最后进行金枪鱼脊线动态跟踪切割误差分析和切割工艺PDPS （Process design and process simulate）仿真。结果表明，所设计的超低温金枪鱼智能化加工系统运行流畅，无安全隐患；所采用的鱼体姿态识别技术，可有效提升机器人夹持和搬运鱼体的精度；仿真验证可得鱼体脊线路径切割精度为±1.5 mm，单次检测用时2 s、搬运用时5 s、切割用时4 s，各环节作业流程均高于人工切割效率，满足加工要求。

Abstract:

深远海养殖作为我国农业发展的新兴领域，智能化监测是保障其养殖经济效益和质量的基本前提，也是风险识别和预警的重要依据。为了进一步服务于产业发展，本研究聚焦于深远海养殖的智能化监测技术，结合现有研究成果，对技术发展状况进行分类梳理，将其划分为养殖装备、养殖对象和养殖环境监测技术，涵盖了深远海养殖过程中的主要内容。除对水质、结构健康以及鱼类的相关监测外，本研究进一步指出平台水下噪声和安全环境等的监测随着深远海养殖产业的发展和规模的扩大也将变得重要。基于现阶段的技术特点，系统总结了原位测量能力、设备质量和噪声监测规范等当前亟需解决的问题，包括前端传感技术和后端的数据处理支持技术等。对未来技术发展的趋势进行了展望，包括：数智化赋能、多模态集成与融合、生物附着防护以及体系构建等，随着深远海养殖监测技术的智能化程度不断提高，将形成一个完整的陆海联动的智能化数据支撑体系，这将会进一步促进海洋数字化产业的发展壮大。

Abstract:

目前智能投饵船在多塘块中转塘作业存在效率低与定位精度不足等问题，因此提出一种分体式转塘结构设计方案与融合定位算法。该系统通过明轮双体船与智能投饵车的模块化组合，结合转塘坡道与对接限位装置，通过机械结构优化设计动力切换装置，完成船体与投饵车的快速组合与分离；提出基于UWB与IMU的自适应强跟踪卡尔曼滤波融合定位算法，提升复杂水域环境下的定位精度与鲁棒性；利用MATLAB进行算法仿真对比，并通过实船试验验证转塘坡道在不同坡度与负载条件下的通过性与作业效率。转塘坡道试验表明，在不同坡度和负载条件下，投饵车转塘时间均低于25 s，远低于人工转塘所需时间，且运行平稳。定位算法仿真结果表明，ASTKF算法相较于单一UWB定位均方根误差降低98.9%，最大误差降低70.6%，ASTKF算法对动态干扰的实时响应能力与恢复能力较强；实船定位试验中，其均方根误差为5.41cm，较AEKF算法降低27.3%。分体式转塘方案与所提融合定位算法有效解决了传统投饵船转塘效率低、定位精度差的问题。本研究提升了复杂水域下的作业智能化水平与经济效益，为水产养殖自动化提供了可靠的技术支持与应用示范。

Abstract:

为了提升河蟹养殖池塘水草管理水平，本研究结合并优化图像处理与水草清理船工作路径规划方法，以形成高质量水草管控方案。实验采用无人机航拍采集蟹塘不同时期的图像，提出一种改进YOLO11n-seg网络模型，融入动态上采样算子的轻量化高级筛选路径聚合网络（High-level screening path aggregation network-dysample， HSPAN-D）模块对Neck层面进行改进，使用轻量化的特征提取模块C3k2_Faster_EMA替换原有的C3k2，并引入EfficientHead轻量化分割头。在模型识别与处理结果基础上构建蟹塘栅格地图，并设计水草目标清理区域筛选机制，通过路径优化策略改进A*算法实现水草清理路径规划。结果显示，改进模型在参数量下降39.4%、计算量减少25.5%及模型体积缩减34.5%的条件下将水草识别精确率提高了1.6%，mAP提升了0.5%；改进A*算法规划路径相对人工清理路径对水草面积占比控制更精准，相对原A*算法总路径长度减少14.25 m，清理船转向减少10次，规划平均用时减少1.97 s。研究表明所提出的轻量化改进策略在显著降低模型计算负担的同时提升了识别精度，结合改进路径规划算法可有效实现蟹塘水草的高效精准清理。本研究可为水草清理船实际作业提供有效的路径规划参考。

Abstract:

为了解决凡纳滨对虾（Litopenaeus vannamei）养殖捕捞环节机械化程度低、劳动强度大的问题，本文优化温棚池塘轨道式捕捞系统的地笼结构设计，以提升其捕捞效率。实验采用电磁吸附连接技术，实现捕捞模块与轨道升降系统的自动挂接与释放，并通过参数化几何建模方法构建捕虾口梯形结构模型。在此基础上，结合凡纳滨对虾的巡游行为特征，建立基于法向量投影算法的虾体-结构碰撞检测模型，实现对虾入笼过程的动态模拟与量化分析。通过响应面优化方法，系统探究捕虾口外进口长度、侧壁倾斜角及深度等关键参数对捕捞效率的影响机制。结果显示，该模型具有良好的可靠性（R²>0.9），通过对捕虾口结构参数分析，发现外进口长度与侧壁倾斜角对捕捞效率的影响最为显著（P<0.01）；在外进口长度与深度的比例为2.08、侧壁和内进口倾斜角度为75°的条件下捕捞效率最高。池塘现场对比试验表明，优化后的捕捞装置相较于优化前，在各作业时段下捕捞效率分别提升了14.5%、12.8%、14.6%。研究表明，所设计伞型地笼符合设施化温棚池塘轨道式捕捞系统要求，从技术先进性、经济可行性与作业高效性方面为解决凡纳滨对虾养殖的捕捞难题提供了可行的解决方案。本研究可为凡纳滨对虾养殖渔具的结构优化与自动化捕捞系统开发提供理论依据与技术参考。

Abstract:

为应对南海灯光围网作业中泵后通道（传送带/脱水滑槽）内鱼体“小尺寸、快速运动、强模糊与密集遮挡”造成的检测退化，提出面向模糊与细节保真的实时检测器MGI-RTDETR。该模型以RT-DETR为框架，集成多尺度分组交互特征（MGI-FE）、自适应动态上下文混合（ADC-MI）、细节保真金字塔融合（ADPF）、部署期结构重参数化（CRC）与反投影上采样（ARPU），在不增加推理路径复杂度的前提下提升小目标边界还原与拥挤场景可分性。构建396张单类数据集（7/1/2划分），采用统一640×640训练/推理协议；测试集上取得 Precision/Recall/F-Score=88.54%/75.03%/81.23%，mAP₅₀=81.00%，mAP_50-95=28.29%，同时保持44.5 GFLOPs、13.39 M参数与约50.46 FPS的部署友好开销，整体显著优于RT-DETR-R18与多种YOLO/SSD基线。为展示检测能力的下游可用性，在不改动检测器的前提下叠加 ByteTrack 实现越线计数示例评估，CP（Counting Precision）在低、中、高密度分别为 95.0%、80.8%、49.7%。此外，为验证跨域泛化能力，额外从其余3艘作业渔船共抽取309张样本组成外部测试集，在不同机位与光照条件下复核检测，结果与主实验保持一致。结果表明，针对模糊与细节保真的多尺度交互建模与跨尺度自适应融合，可为船载近实时、可地理标注的渔获分析提供可靠基础组件，支撑渔业透明化与数据驱动的管理决策。

Abstract:

水下环境中光照不均会使目标边界模糊，存在成像退化问题，使实例分割任务在水产养殖及生态监测场景中面临挑战，尤其在大口黑鲈这类具有复杂纹理的水生生物图像中，上述问题表现得更为突出，针对其细节弱、轮廓模糊及噪声干扰明显等特点，在UniInst框架基础上提出一种改进的水下实例分割方法。该方法引入压缩激励（SE）模块强化多尺度特征的通道响应能力，通过建模全局语义依赖提升特征表达的判别性；加入空间响应调制（SRM）模块，在通道语义校准的基础上进一步利用空间响应调制抑制噪声区域，增强局部结构的保持能力；同时设计边缘监督分支并融合二元交叉熵（BCE）与戴斯（Dice）系数的混合边缘损失，引导模型在掩码预测过程中更充分地利用边缘结构信息。实验结果表明，所提出的模型在分割任务中均取得优于基线与其他主流模型的性能，平均精度（AP）提升至84.882%，AP₇₅（75%交并比）达到97.882%，在精细结构恢复与高阈值分割精度方面表现最为突出。该方法能够有效提升复杂水下场景下的实例分割精度，具有良好的鲁棒性与应用潜力。

Abstract:

饥饿程度的准确判别是实现水产养殖精准投喂的关键环节。目前常见的投喂方式多依赖人工经验，缺乏客观依据，容易导致投喂量不当和过度投喂等问题。在现有的鱼类摄食行为分类方法中，多数依据摄食时产生的水花剧烈程度来定性评估摄食强度，但这类标准主观性强，本质上仍未脱离对人工经验的依赖。在水产养殖中，约15%~30%的饲料因过度投喂而浪费，其中过度投喂贡献12.3%。因此，提出了一种基于深度视频与红外视频融合的量化检测方法，旨在提升鲈鱼摄食强度精准判定。将深度视频与红外视频的帧图像输入到DAIF-MOG2（Depth And Infrared Fusion-Mixture of Gaussians 2）优化模型进行特征提取，并将提取后结果进行融合与饥饿度评估，最后给出量化饥饿程度分数。针对DAIF-MOG2优化模型，基于MOG2算法进行了改进，将单阶段单模态学习优化为分阶段多模态学习，提高了学习稳定性并弥补了单一模态的局限性，引入了形状特征约束与物理空间的验证约束，提升了复杂环境下整体检测性能与鲁棒性。实验结果表明，提出的多模态融合模型鲈鱼摄食强度量化判定方法，准确率达到94.2%，相较于原始MOG2模型，综合性能提升51.6%，能够快速实现鱼类饥饿程度判断，有效利用多模态信息，确保实际养殖场景下鲈鱼投喂的及时性与准确性，减少饲料浪费情况。

Abstract:

针对网箱等复杂环境下大黄鱼（Larimichthys crocea）行为声学在线监测及资源量精准评估难题，研究水平方向分裂波束科学探鱼仪系统在实际网箱养殖环境中的适用性。实验采用科学探鱼仪（Kongsberg，EK80型，200 kHz）于水池内进行了水平方向分裂波束的标准球测位精度实验，并在舟山六横海洋牧场利用该系统对网箱内养殖大黄鱼进行24 h连续监测，同时，对基于网箱坐标系的大黄鱼姿态角、游速及原位（in situ）目标强度等进行了分析。结果显示，网箱中心区附近大黄鱼游动的偏航角离散度高，靠近网箱边缘区域的大黄鱼偏航角较为集中，呈现沿网箱边缘往复游动的规律。大黄鱼俯仰角符合正态分布，均值为0.48°，标准差为13.38 （P>0.05）。投喂时段平均游速最高，为0.321 m/s，昼间平均游速为0.242 m/s，夜间游速最低，均值为0.123 m/s。在水平波束入射条件下，大黄鱼目标强度随偏航角呈周期性变化，余弦模型拟合度最高（R²=0.50），拟合模型为TS=-43.41-6.99cos（2θ）。本研究可为有效监测网箱养殖大黄鱼的行为指标，实现网箱养殖数智化监测及资源量声学精准评估提供科学依据。

Abstract:

在水产养殖中，养殖目标检测是实现养殖对象行为监测、生长状态评估的核心基础，但由于水下环境复杂导致图像质量欠佳，加之养殖生物聚集，使得养殖目标检测的精度较低。针对以上问题，提出一种基于YOLO11n算法改进的水产养殖目标检测算法。在主干网络中引入轻量级网络StarNet以降低模型参数量和计算量；在颈部网络中采用混合聚合网络（Mixed aggregation network， MANet）对水产养殖目标进行多尺度融合，缓解模糊图像带来的检测偏差；在检测头中引入分离和增强注意力模块（Separated and enhancement attention module， SEAM），提升模型在生物聚集以及复杂背景下的检测精度；以Wise-MPDIoU（Wise modified penalized distance intersection over union）损失函数代替原损失函数，提高水产养殖生物检测的鲁棒性。试验结果表明，在UTDAC2020（Underwater target detection and classification 2020）与Brackish数据集上，改进后的YOLO11n模型的参数量减少了16%，精确率分别提升了1.1%和0.2%，召回率分别提升了2.8%和0.4%，平均精度均值分别提升了2.5%和0.5%。该模型具有较高的检测精度并兼顾了轻量化，成功部署于搭载入门消费级显卡的硬件设备上，为水产养殖目标检测任务提供了可靠的解决方法。

Abstract:

渔业电子观察员（Electronic monitoring）是实施渔业智能化监管的重要手段，图像识别是其支撑的关键技术之一，如何解决边缘计算场景下部署高性能、轻量化模型是目前面临的挑战。本研究引入深度学习领域的 Vision Mamba （ViM） 模型，该模型利用选择性状态空间机制（State space model，SSM）构建双向编码器，在保持线性计算复杂度的同时实现了对图像长距离依赖关系的全局建模。研究以自然保护协会渔业监测数据集为基础，与ResNet、EfficientNet、DeiT等主流模型开展了系统性的性能对比研究。结果显示，ViM模型在效率与精度上均表现出卓越性能。在轻量级模型中，ViM-Tiny在比ResNet-18基线模型少44.28%参数量的情况下，准确率提升了1.12%，F1分数提升了2.19%。在中量级模型中，ViM-Small在参数量相较ResNet-101基线模型减少44.65%的情况下，仍能实现与之接近持平的准确率（0.960 3）与F1分数（0.964 5）。研究表明，ViM模型能够在显著降低模型复杂度的同时，仍保持强大的渔业物种分类能力，在轻量化与高精度之间取得了很好的平衡。研究为构建高效、智能的渔业监管系统提供了新的技术路径。

Abstract:

为准确表征溶解氧（DO）浓度对锦鲤行为的影响，提出基于目标跟踪的平面运动方向熵（PMDE）与群体聚集指数（GAI）新型量化指标。首先，基于SORT算法，引入HOG轮廓特征构建H-SORT目标跟踪器，然后，通过加权融合策略优化匹配机制，提升实时跟踪锦鲤的稳定性；最后，基于PMDE与GAI两个量化指标，对比分析不同DO浓度下的锦鲤状态。研究表明，H-SORT算法在10 s内对锦鲤的跟踪保持率提高了27.8%，有效提升了鱼群遮挡情况下的识别精度；PMDE与DO浓度的Spearman相关系数达-0.966 9，较平均游动速度（Avg_Speed）提升0.240 7，能有效捕捉不同DO浓度下锦鲤行为特征、反映DO动态变化和DO波动对锦鲤游动行为的影响；GAI与DO浓度表现出-0.924 0的强负相关性，较平均距离（AD）提升0.202 8，且GAI数据波动在±0.05内。本研究改进的跟踪算法与提出的量化指标有效分析了DO浓度对鱼群行为的影响，为水产养殖中基于鱼群行为的水质监测与预警提供了依据。

Abstract:

随着计算流体力学（Computational fluid dynamics，CFD）技术的快速发展，RANS（Reynolds-averaged navier-stokes）模型作为湍流模拟的重要工具，在科学研究和工程中得到广泛应用。而针对RANS模型计算产生的大规模复杂流场数据，可视化技术因其直观形象的特点已成为理解和分析流场特征的关键手段之一。本研究系统回顾了信息可视化在计算流体力学流场可视化中的发展现状，重点分析了多种实用的可视化方法。主要包括标量场与矢量场可视化、体绘制、多尺度表达、交互式与沉浸式可视化，以及基于WebGL等技术的在线可视化和跨平台展示方法。通过对这些可视化方法进行分析总结，指出了当前计算流体力学流场可视化技术在大规模数据处理、多变量耦合、涡旋特征识别等方面存在的问题，针对这些问题在CFD与机器学习驱动、边缘计算、实时交互等方面的综合应用上进行了讨论，并对计算流体力学流场可视化的发展前景进行了展望，为后续的可视化研究提供了新的视角。

Abstract:

为探究人工智能（Artificial intelligence， AI）在渔业领域的应用与发展情况，本研究系统综述了AI在渔业领域关键环节中的创新应用场景、挑战以及未来发展方向。现有研究表明，AI在渔业领域的核心应用技术主要有计算机视觉、机器学习和深度学习，其应用涵盖育种、养殖、病害防治、加工与质量安全、资源监测等重要环节。研究热点主要有：结合AI技术开展渔业育种；养殖过程实现智能投喂，实时分析水质因子数据，评估养殖环境；快速诊断水产常见疾病，自动识别养殖生物异常情况并发出预警；自动化分选和分级水产品，引导机器人精准宰杀和分割；实时动态监测渔业资源等。针对当前AI应用存在的高质量数据稀缺、模型泛化能力不足、复合型人才短缺等问题。研究认为，未来应重点开展以下工作：融合AI与基因编辑、基因组选择等技术，推动抗病、高产、优质新品种的培育；结合AI与物联网技术，开发可实际应用的多因子水产预测方法与模型，实现智能精准投喂；尝试建立多种BP神经网络模型或采用视觉大模型进行病害预测；集成AI、机器人、物联网等技术，构建智能水产品加工体系，并利用区块链技术实现全流程可追溯；侧重建立标准数据库，将物种明显形态特征纳入学习模型，提高识别准确率。随着AI技术的不断进步，AI在渔业领域的应用场景将不断拓展，这不仅符合中国渔业资源节约、环境友好型的可持续发展要求，也有助于推动中国渔业数字化、精准化、智能化发展。

Abstract:

在设施化循环水养殖中，为提升对氨氮浓度的预测精度与鲁棒性，提出一种记忆增强补偿LSTM模型（MA-LSTM-C）。该模型采用双向LSTM与Conv1D并行结构，以同时提取长、短序列特征，并嵌入一个记忆矩阵，通过多头注意力机制融合历史信息与当前输入；引入带可学习掩码的氨氮浓度区间注意力机制，强化氨氮关键浓度区间内的特征表达；最后通过动态误差补偿层，结合瞬时误差、平均误差及趋势误差对预测结果进行自适应修正。针对各传感器采集频率不同，采用基于因果约束的PCHIP插值对已有样本进行加密采样。实验结果表明，MA-LSTM-C相较于标准LSTM模型，MSE、RMSE、MAE和MAPE分别下降76.19%、51.09%、58.47%和55.42%，R²提升12.35%。消融实验进一步表明，引入物理机制后各评价指标平均提升约40%。该模型对氨氮浓度突变表现出更强的捕捉能力，为设施化循环水养殖氨氮浓度预测提供了一种有效的方法。

Abstract:

池塘养殖是我国主要的养殖模式，也是潜在的温室气体排放源。为探究典型草鱼养殖池塘二氧化碳（CO₂）、甲烷（CH₄）、氧化亚氮（N₂O）通量特征及其驱动因素，以1龄（GC1）、2龄（GC2）和3龄（GC3）草鱼养殖池塘为对象，采用静态箱-气相色谱法原位监测气体通量，分析其排放强度及与环境因子的关系。结果显示，温室气体通量依次为GC3>GC2>GC1，GC3的CO₂、CH₄和N₂O平均通量分别为42.30、13.31 mg/（m²·h）和567.25 μg/（m²·h），所有池塘均为CH₄的排放源。冗余分析表明，GC1气体通量主要受NO₃^--N和底泥温度影响，GC2以水温为主导，GC3则受底泥温度和溶解氧控制。直接排放系数分析显示，GC3池塘CO₂、CH₄和N₂O排放系数分别为132.98、41.91和1.77 g/kg，均显著高于GC1和GC2（P<0.05）。单位面积增温潜势表现为GC3（53.48 t CO₂-eq/hm²）>GC2（31.84 t CO₂-eq/hm²）>GC1（6.54 t CO₂-eq/hm²），差异显著（P<0.05）。单位产量温室气体排放强度在GC1、GC2和GC3中分别为0.26、1.05和1.95 t CO₂-eq/t，差异显著（P<0.05）。养殖规格显著影响草鱼池塘温室气体排放强度，高温与大规格养殖加剧碳排放，建议通过调控养殖结构与环境因子，推动渔业碳中和。

Abstract:

为了解决偏远及深远海养殖区域能源结构单一、碳排放高及供电稳定性不足的问题，提出一种基于改进多目标螳螂搜索算法（Improved multi-objective mantis search algorithm，IMOMSA）的微电网优化调度方法，为水产养殖提供一种绿色、高效的能源供给解决方案。首先，综合考虑经济性和环保性构建了涵盖风光多能互补的多目标优化调度模型。其次，针对传统MOMSA存在的解集多样性不足和早熟收敛等问题，采用Bernoulli混沌映射增强初始种群多样性，引入人工蜂群搜索策略强化局部开发能力，结合透镜成像反向学习机制提升全局搜索性能。最后，基于上海市崇明区某水产养殖基地进行仿真验证。结果显示，IMOMSA在GD和Spacing指标上较原始算法分别降低78.45%和10.71%，在HV指标上提升100.00%，同时经济成本和污染物排放分别减少了1.76%和22.62%。研究表明，IMOMSA方法能够有效提升微电网调度方案的综合性能，实现经济与环保目标的协同优化。本研究可为多能互补型养殖微电网的高效运行提供理论技术支撑，对推动水产养殖行业的绿色转型升级与可持续发展具有重要实践意义。