本文提出了一种使用反馈自校正系统与密集连接卷积网络相结合的水质监测方法。 我们找到了一种有效的方法来校正模型输出，并创新了生物水质监测方法。 鱼类运动轨迹是所有文献中所使用的各种水质分类特征的综合表达，并且是生物水质分类的重要基础。 本文使用Mask-RCNN的图像分割方法获得鱼的质心坐标，并绘制出一定时间段内鱼的轨迹图像。 轨迹图像数据集分为正常水质和异常水质。 密集连接的卷积网络（DenseNet）用于对水质进行分类。 该实验基于正常和异常水质图像数据，并且可以通过softmax的输出来设计