近年来,为响应海洋强国战略总体要求,我国大力发展海水养殖业,最初以浅海滩涂为主要养殖区域,但随着海水养殖的兴起,诸多问题如水体富营养化、养殖区域过密等相继出现,这就要求开拓更广阔的养殖空间,随后养殖业重心逐渐转向深远海区域,深远海养殖装备也逐渐成为研究热点。但由于深海养殖环境恶劣,常出现台风、风暴潮等海洋灾害性天气,且深海区域常伴有不同程度的风浪流等耦合作用,这就对深远海养殖装备有了很高的要求,要求结构抗风浪性强的同时,一些配套设施也要协同发展。网箱结构系统中最为关键的就是其网衣系统的状态,若网衣系统发生破损情况,则会导致大量鱼类逃逸,这不仅会造成严重的经济损失,还有可能导致生物物种入侵,破坏海洋自然生态环境,这就要求对网箱系统要进行定期的巡检工作。目前的巡检工作主要是通过工作人员潜入深海环境进行网目的排查,标记破损位置,之后进行补救工作。但这种方法不仅效率低成本高,还不能保证工作人员的安全。故而对网箱结构的网衣系统进行非接触式的检测研究亟需进行,为智慧海洋提供新的思路。本文基于机器视觉通过水下机器人ROV对水下网衣状态进行获取,利用数字图像处理相关方法提出新的非接触式网衣破损检测方法,对水下网衣视频进行破损检测及生物附着程度检测,通过MATLAB算法程序实现,并对真实海域获取的水下网衣进行检测,验证所提方法的可行性及普适性。本文所提非接触式检测方法主要包括两个模块:图像预处理模块及网衣状态检测模块。其中图像预处理模块主要作用是过滤掉冗余信息,保留关键信息并增强关键信息的质量,首先利用关键帧技术对水下网衣图像进行筛选,滤除重复度过高或不清晰图像。然后通过ROI区域选取技术框选图像中心区域,滤除图像边缘不清晰部分。之后通过双边滤波操作对水下网衣图像进行水下噪声的去除,同时保留网线边缘等有效信息。最后通过OSTU二值化方法对网衣图像进行二值化操作,将网衣图像简化为0-1像素图像。网衣状态检测模块部分提出了两种方法,第一种为Harris角点检测法,通过检测网衣图像中的网线角点,根据网线角点排列规律判断网衣是否破损,这种方法计算简单操作方便,但是只适用于干净无附着物网衣。第二种方法为网孔特征梯度检测法,通过连通域分割技术将网衣分割为多个独立的网孔连通域,统计计算各个网孔连通域的面积及特征梯度,通过网孔特征梯度曲线判断网衣异常点,之后定位到破损位置并显示网衣破损程度。这种方法还可并行检测网衣的附着情况,将网衣的附着程度显示于网衣图像中。