【摘要】利用计算机视觉技术识别斑马鱼在不同污染物暴露下的行为变化是水质毒性评价的常用方法之一，但传统方法存在效率低，面对遮挡和复杂环境时性能差等缺陷。针对这些问题，本研究使用基于Bytetrack的多目标跟踪算法追踪斑马鱼(Danio rerio)在4种污染物(Zn~(2+)、Pb~(2+)、铬和苯酚)暴露2 h后的行为变化，对在4种浓度梯度中的斑马鱼的平均速度、最大速度、最低速度、平均碰撞次和行为轨迹等指标进行分析。实验结果表明，算法的追踪精度、漏检率和检测时间(每300帧)分别能达到90.26%、16.33%和0.19 min，检测时间和精度相比于传统目标检测方法有较大提升。同时，根据污染物不同，该方法能够准确识别特定污染物环境中斑马鱼相应的运动状态及轨迹变化，可实现精确识别和实时响应，在鱼类毒性行为识别领域具有重要参考意义。