海鲜养殖业所需的水下环境十分恶劣,捕捞作业等都需要人工来完成,这种环境对人体的伤害严重,采用机器捕捞代替人工捕捞是未来的发展趋势。本论文首先分析了水体对不同光的衰减程度和对成像质量的影响,并通过对照多种图像增强的处理效果,最终选用了自动色阶的多尺度Retinex算法(autoMSRCR)用以处理图像色偏、模糊、雾化等问题。并且通过labelimg软件对图像中的水下目标进行标注制作数据集。其中20%作为测试集,70%作为训练集,10%作为验证集。本论文采用的是基于Convolutional Neural Networks (CNN)卷积神经网络的You Only Look Once Version4(YOLOv4)的目标检测网络,其主干特征提取网络采用的是CSPDarknet53结构,特征融合网络采用的是SSP和PANet网络进行上采样、下采样和卷积操作,最后经过YoloHead网络对提取到的特征进行预测输出。经过训练集训练识别模型,测试集数据测试得出检测效果,其中海参识别准确率为90.8%、海胆识别准确率为87.76%。实验表明本论文所使用的目标检测网络模型能够在水下环境下准确的识别出指定水下生物,具有一定的实用性。