针对水质监测问题，提出了一种基于TLD（Tracking-Learning Detection）框架和XGBoost（eXtreme Gradient Boosting）的生物水质监测方法。 首先，在顶级域名（TLD）的框架下，设计了一个独立的跟踪系统； TLD基于视频捕获鱼的3D坐标信息，并通过处理鱼体的坐标信息来计算可以反映水质变化的鱼运动参数的行为。 通过数据处理，坐标信息的数据将更加突出。 基于特征参数的所有已建立的XGBoost水质监测模型的集成； 利用该模型对未知水质下的鱼类行为参数
