牛津大学出版社发表在《生物学方法与协议》上的一篇新论文发现，我们现在可以通过深度学习区分野生鲑鱼和养殖鲑鱼，这有望极大提升环境保护策略。

挪威拥有最大的野生野生鲑鱼种群，也是养殖鲑鱼的最大生产国之一。自20世纪80年代以来，挪威的大西洋鲑鱼数量已下降超过50%，目前处于历史低位。逃逸的养殖鲑鱼是导致这一下降的重要原因。挪威每年生产超过150万吨养殖的大西洋鲑鱼。然而，每年大约有30万条养殖鲑鱼逃入野外。

随着鲑鱼的生长，鳞片形成同心圆环，这些环的数量和间距反映了其身体随时间的生长。图：生物学方法与协议

逃逸的鲑鱼对野生种群构成重大生态和遗传威胁，因为它们加剧了对有限资源（如食物和产卵栖息地）的竞争，可能导致野生鲑鱼的迁移或减少其繁殖成功率。养殖鲑鱼还会带来海虱等病原体和寄生虫，进一步加剧了因气候变化和栖息地退化而本已脆弱的野生鲑鱼种群压力。

养殖鲑鱼在基因上与野生种群不同，逃逸养殖鲑鱼与野生鲑鱼的杂交导致基因变化，使野生鲑鱼适应环境变化或应对周围威胁的能力降低。遗传分析显示，挪威约三分之二的野生鲑鱼携带与养殖鲑鱼杂交的遗传特征。

科学家们通过基因分析和鱼鳞检测，监测逃逸的养殖鲑鱼。然而，手动监测鱼鳞分布差异既耗时又极其昂贵。研究人员可以区分野生鲑鱼和养殖鲑鱼，因为鲑鱼鳞片通过在表面形成同心环生长。与树轮类似，这些年轮的数量和间距对应鱼的生长。养殖鲑鱼的鳞片代表快速且稳定的生长，导致鳞片间距规律，季节性标志有限。相比之下，野生鲑鱼的生长季节性变化明显，主要由温度不稳定、猎物供应和迁徙驱动。

为了帮助研究人员在更大尺度上区分不同类型的鲑鱼，研究人员利用挪威兽医学研究所和挪威自然研究所近9万张大西洋鲑鱼尺度图像，训练了一个新的卷积神经网络。他们建立了标准化的加工流程，并将模型与人类尺度读者和已知来源鱼类进行了比较。

总数据集包含近9万张图片，涵盖挪威数百条河流，时间可追溯至1930年代初。养殖鲑鱼约占总图像的8.5%，而野生鲑鱼则多于此。

研究人员发现，数据管道和模型能够快速处理图像并提供带有相关置信估计的预测。该模型表现异常出色，能够以95%的准确率区分挪威大多数鲑鱼河流中养殖鲑鱼与野生鲑鱼。

勇编撰自论文"Identifying escaped farmed salmon from fish scales using deep learning".Biology Methods and Protocols.2025相关信息，文中配图若未特别标注出处，均来源于自绘或公开图库。