在集约化的水产养殖中,鱼类投喂水平关系到养殖效率和生产成本。近年来,根据鱼类的需要,自动调节投喂量已经成为研究和发展的趋势。本文以实现按鱼类食欲自动控制投喂的启停为目的,提出一种基于近红外机器视觉和鱼类摄食行为分析的智能投喂决策方法。首先将采集到的图像进行反光处理和对比度增强等预处理操作;然后,对鱼类重叠图像进行了分割,并提取了两个可以量化摄食行为的关键指标:聚集度和抢食度。最后构建了智能投喂决策模型,实现投喂过程的实时量化和智能按需控制,为开发精准投喂设备及指导生产实践奠定理论基础。重点开展了以下几方面工作:针对采集自水产养殖现场的图像存在的反光严重,对比度低的问题,提出一种基于反光帧分类处理和自适应对比度增强的近红外图像预处理方法。定义了两类反光帧并对其分类,剔除干扰识别结果的反光帧后并补入新的数据。并利用改进的多尺度Retinex算法对图像进行自适应增强,提高了图像的对比度。仿真和实验结果表明,提出的方法对两类反光帧的平均分类准确率Accuracy、假正率FPR和假负率FNR分别为96.34%、4.65%和2.23%。此外,增强后图像对比度提高至少3倍,鱼类的识别率提高7.9%以上,可用于识别有用的图像或剔除对处理结果有较大影响的图像,提高后续识别结果的精度。针对水产养殖中的鱼类重叠影响到后续识别率的问题,提出了一种基于改进快速并行细化算法的鱼类重叠图像分割方法。经过重叠区域判定,基于曲率尺度空间算法的角点提取,基于改进快速并行细化算法获取骨架等步骤后,用线性方程实现重叠粘连区域的分割。实验结果表明,该方法的平均误差率和平均分割效率分别为10%和90%,可应用于多目标分割和鱼类行为分析,有效提高识别精度。针对人工观测摄食行为过程中存在的主观性强,无客观统一标准的问题,提出了一种水产养殖鱼类摄食行为量化和分析方法,分别利用Delaunay三角剖分和图像纹理提取了两个可以量化摄食行为的指标:聚集度和抢食度。实验结果表明,鱼类摄食过程中的行为变化可以用聚集度和抢食度精确的描述出来。其中,聚集度与人工专家法打分结果的线性相关指数可以达到0.945,抢食度与面积法的线性相关指数为0.876,提供了一种有效的量化鱼类摄食行为的方法,并可用于指导生产实践。针对当前投喂过程中不能根据鱼类的实际需要自动调节投喂量的问题,提出了一种基于摄食行为指标和自适应神经网络模糊推理系统的智能投喂决策模型,通过将聚集度和抢食度作为投喂模型的输入,并经过模糊化处理,规则建立,模型训练等步骤后,实现智能投喂决策(继续或停止投喂)。仿真和实验结果表明,模型的投喂决策准确率可以达到98%,饲料转化率可以改善10.77%,同时还可以降低水污染。为实现鱼类的智能投喂提供重要借鉴意义,也为开发精准的投喂设备和指导生产实践奠定了理论基础。