近日，我校人工智能学院在工厂化养殖智能监测领域取得重要研究进展，研究成果《Hypoxic Surfacing Fish Detection for Abnormal Behavior Warning Based on MSYOLO in Recirculating Aquaculture Systems》（基于MSYOLO的循环水养殖系统缺氧浮头鱼检测的异常行为预警）在农业人工智能领域国际知名期刊《Information Processing in Agriculture》（中国科技期刊卓越行动计划期刊，中科院1区Top，IF=7.4）已在线刊出（DOI：https://doi.org/10.1016/j.inpa.2026.03.003）。

氧气保障是工厂化养殖系统的关键控制单元，基于视觉智能理解，该研究聚焦工业化场景下缺氧浮头这一关键生物行为指标，在复杂水下环境中，受水体浑浊、光照波动、图像退化、目标尺度偏小与特征重叠等因素影响，浮头行为的稳定识别与实时预警长期面临精度与效率难以兼顾的问题。针对上述挑战，人工智能学院研究团队提出基于YOLOv10的增强型检测框架MSYOLO，在保证适中计算复杂度、面向边缘部署需求的前提下，实现对缺氧浮头行为的更可靠检测与异常预警。

人工智能学院研究团队在工厂化养殖视觉识别、理解，多源感知等取得了系列原创性成果，构建了从水下行为识别、精准曝气、智能投喂到水质预测控制的完整原创理论体系和自主知识产权技术体系，相关成果持续在《Artificial Intelligence in Agriculture》（中国科技期刊卓越行动计划期刊，中科院1区Top，IF=12.4）、《Engineering Applications of Artificial Intelligence》（中科院1区Top，IF=8.0）等人工智能工程、农业人工智能领域知名国际期刊刊出，目前团队在全球水产养殖智能感知与决策，尤其是图像识别、视觉理解细分领域，最具影响力的研究小组之一。