1.一种基于机器视觉的鱼类养殖监测方法，其特征在于，包括以下步骤：S1：对水域面积进行计算，根据水下机器人数量划分其负责区域；

S2：获取各区域内鱼类信息，与原有的数据库匹配，识别出鱼的种类；

S3：根据鱼的种类构建对应的敏感性模型；

S4：释放水下机器人，使用诱鱼技术拉近二者距离，根据敏感性模型，增强光源，会出现两种状况：1)：鱼类受到惊扰；2)鱼类未惊扰；

S5：当鱼类受到惊扰时，预测鱼类移动轨迹，与在其轨迹内的其余机器人进行通信；

S6：其余水下机器人相互配合监测受惊扰的鱼类，然后再重复S4；

S7：当鱼类未受惊扰时，水下机器人与鱼类相对静止的监测其行为与特征；

S8：与鱼类异常模型比对，输出是否判定结果：1)：判定健康；2)判定异常；

S9：当判定健康时，则反馈数据，对模型进行下一步训练，等待下一次作业；

S10：当判定异常，则进行及时捕捞措施；

S11：最后进行进一步检测、治疗。

2.一种实施权利要求1所述方法的基于机器视觉的鱼类养殖监测系统，其特征在于：包括陆地视觉模块、通信模块、中央计算模块、处理模块、辅助模块、水下移动视觉模块，陆地视觉模块输出端与通信模块输入端信号连接，通信模块输出端与中央计算模块输入端信号连接，中央计算模块输出端与处理模块的输入端信号连接，辅助模块输出端与陆地视觉模块输入端信号连接，辅助模块输出端与水下移动视觉模块输入端信号连接，水下移动视觉模块输出端与同行模块输入端信号连接。

3.根据权利要求2所述的一种基于机器视觉的鱼类养殖监测系统，其特征在于：在水域附近的岸边部署该陆地视觉模块模块，使用yolov4算法，通过对水流，海浪等进行识别判断，当识别到水流海浪等目标时，将信号传至通信模块在传入至中央计算模块。

4.根据权利要求2所述的基于机器视觉的鱼类养殖监测系统，其特征在于：水下移动视觉模块搭载至各水下机器人中，使用yolov4算法对养殖鱼类中不同鱼类的物种进行识别、区分，通过在水下复杂环境中各种图像处理技术之后，提取出当前识别到的鱼类活动的特征值。

5.根据权利要求2所述的基于机器视觉的鱼类养殖监测系统，其特征在于：中央计算模块包括健康与异常模型特征训练、鱼类敏感性模型构建、多机器人协调作业系统。

6.根据权利要求2所述的基于机器视觉的鱼类养殖监测系统，其特征在于：通信模块包括无线和有线通信，进行系统各模块之间的信号和数据传输，以及和岸边视觉模块之间的数据传输。

7.根据权利要求2所述的基于机器视觉的鱼类养殖监测系统，其特征在于：处理模块是对被判定为异常的鱼类，进行标定，并对其进行打捞处理，送至进一步监测或治疗。

8.根据权利要求2所述的基于机器视觉的鱼类养殖监测系统，其特征在于：辅助模块是为视觉模块提供光源，在以敏感性模型为基础的情况下，尽量不惊扰鱼类，提供光源，使用诱鱼技术，吸引鱼至视觉模块附近，拉进二者距离，提高识别精度与判断准确度，为视觉模块中搭载常见的各类算法。