中国水产科学研究院东海水产研究所在鱿鱼捕捞船船员行为识别方面取得进展，相关成果以论文“Behavior Recognition of Squid Fishing Vessel Crew based on Deep Learning”发表在渔业国际期刊《Fishes》（JCRQ2，影响因子：2.3）。东海所与上海海洋大学联合培养研究生宋一帆为第一作者，渔业遥感技术与数字渔业创新团队张胜茂副研究员为通讯作者。
随着远洋捕捞的发展，船员的工作环境和监控变得越来越重要。传统的远洋人类观测方法成本高、覆盖范围低、时效性差、且易受主观因素影响。电子监测系统（EMS）具有在各种天气条件下连续运行、数据更加客观、透明、高效、对捕捞作业干扰较小等优点。本研究介绍了3DCNN模型、LSTM+Resnet模型、timesformer模型如何应用于视频分类任务，并首次应用于EMS系统。通过测试比较三种模型在视频分类中的应用效果，讨论将它们用于视频识别的优势和挑战，我们得到了使用不同模型的视频识别的准确率和相关指标。研究结果表明，当NUM_frameS设置为8时，LSTM+Resnet-50模型的性能最好，能够较为准确的识别鱿鱼捕捞船船员的行为模式，其准确率为88.47%，F1得分为0.8881，m_ap得分为0.8133。分析远洋渔业EMS系统，可以提高我国远洋渔业绩效水平和管理效率，促进渔业知识服务体系和智慧渔业工程的发展。
该成果得到了崂山实验室项目、国家自然科学基金的支持。研究方法在中国水产舟山海洋渔业有限公司有限公司的北太平洋鱿鱼钓渔船捕捞监控视频开展了应用试验。
