中国已经成为世界第一海洋水产养殖大国，海洋水产养殖对我国沿海一带经济和环境有着重要的影响
[1]。位于中国福建省宁德市东南部的三都澳港湾是重要的深水天然港口，当地的渔业养殖为城市发展创造了可观的经济效益，但同时，由于长久以往的高密度海水养殖，养殖技术不规范等因素导致该港口海岸区域生态平衡遭到严重破坏，成为福建省渔业废弃物污染最严重的区域之一
[2-3]。因此，需要运用遥感和计算机视觉领域技术对近海岸海面的船舶和渔业养殖区进行动态监管，为工作人员的海域海洋环境监测评价信息的管理与应用工作提供技术支撑，为海洋行政管理、海洋环境监督管理和海洋环境保护政策的制定提供科学依据，为经济的稳健发展提供有力的环境信息参考
[4]。
船舶和渔业养殖区的分布范围比较广泛，以往使用的人工调查方法需要浪费大量的人力物力，并且难以获取到监管区域内完整信息。遥感技术具有广阔的覆盖范围、周期短、准确性高等优点，适合对船舶和渔业养殖区目标进行检测。目前，利用遥感图像对船舶及渔业养殖区进行目标提取已被研究人员广泛应用。
在船舶目标提取方面，Proia
[5]等人将贝叶斯决策理论应用到可见光遥感图像船舶目标检测中，通过设置滑动窗口大小和决策阈值，即使在多云遮挡的复杂背景下，也取得了1×10
-4左右的虚警率。Yang
[6]在高分辨率光学卫星图像船舶检测场景中，结合像素和区域特征的新型线性函数来选择候选船舶，采用船舶的精密度和长宽比参数来消除虚警。Yu
[7]等人提出了一种基于光学遥感影像多特征和方差特征动态融合模型的舰船目标提取算法，选择长宽比、紧密度等几何特征，利用支持向量机（SVM）对舰船目标预测。Song
[8]等利用视觉注意模型的稀疏显著性和LBP特征提取舰船候选区域，然后利用SVM来对图像中的舰船目标进行预测。Ye
[9]等人根据传统的ITTI
[10]模型提取遥感图像的颜色、方向和亮度特征，利用灰度共生矩阵获得了图像的纹理信息，采用归一化方法得到最终图像分割的不同船舶特征和视觉图像的视觉特征，最后通过设定阈值来进行区域过滤以得到舰船目标。该方法对单个舰船目标的识别精度较高，但对于密集度较高的舰船目标识别效果较差。此外，一些常用的深度学习网络模型
[11-14]由于优异的特征提取能力，也常应用于船舶目标提取领域。
在渔业养殖区目标提取方面，许海蓬
[15]等人利用多源遥感影像，结合GIS空间分析方法和无人机影像的目视解译结果，获取到近10年的连云港地区海域紫菜养殖区范围分布情况。卢业伟等人
[16]通过建立近海养殖区光谱指数，设计统计均值纹理和阈值检测算法，对不同类型的近海养殖区进行自动提取，总体检测精度达到90%以上。但是，单一的光谱指数在复杂的水色背景条件下，难以取得良好效果，为了解决提高复杂背景下渔业养殖区的识别精度，武易天等人
[17]采用Landsat 8数据，利用基于正交子空间投影的约束能量最小化进行图像增强，使用局部标准差自适应算法对影像进行划分，最后对分割影像分别提取，可在实验区达到93%以上的准确率。另外，近年来，深度学习在遥感图像识别方面也有着优异的表现，刘岳明
[18]等人利用遥感卫星GF-2影像，采用深度学习RCF网络模型对实验区内筏式养殖区进行提取，提取精度达93%以上，该模型适合大规模的渔业养殖区提取应用。柯丽娜
[19]等人提出深度边缘光谱U-Net网络模型，通过结合Canny算子的双滤波算法移除冗余光谱信息后，融合U-Net模型对近岸网箱式养殖区与深海网箱式养殖区进行提取，经实验对比，在近岸网箱式养殖区目标上提取准确度为97%以上，在深海网箱式养殖区目标上提取精度达到98%以上，其提取精度明显优于传统无监督算法和典型的深度学习算法。
当前，在遥感图像船舶数据集、渔业养殖区数据集制作方面，有相关学者已做出了重要贡献，姚立波等
[20]通过谷歌地球影像和GF-2号卫星遥感图像进行船舶目标图像搜集，经过裁剪、人工标注等操作，构建了一个包含23个类别、4 052个船舶实例的光学遥感图像目标数据集。Wei
[21]等发布高分辨率合成孔径雷达（synthetic aperture radar，SAR）数据集，包括不同海况、海域情况，可用于船舶检测和实例分割任务。刘岳明等
[18]使用全色锐化影像法将影像的全色波段与多光谱波段融合处理后得到分辨率为1 m的多光谱影像，经过样本选择、样本真值制作、数据增强后得到共1680个样本的筏式养殖区遥感数据集。
但是，目前尚没有同时包含船舶、鱼排网箱养殖区、筏式养殖区三种目标物的高精度深度学习公开遥感数据集，在相关项目的支持下，本项目组通过查阅大量相关资料，通过谷歌地球（影像来源为WorldView卫星系统）下载原始影像，经过裁剪、标注、格式转换等一系列加工，建立2019–2021年三都澳港湾近海岸海面目标可见光遥感图像数据集，可为近海海域环境监督管理服务提供基础数据支撑，对海洋生态系统可持续化发展和海洋环境评价信息的管理与应用工作具有重要作用。
