深度学习在声纳图像分类领域还蛮前沿的，看样子你在这方面已经勇敢地迈出了一步。说到数据集构建，这事儿我也有点感觉，多样性和代表性真的很关键。

说起来，结论就是：你并不孤单，很多人都在关注这个难题。

首先，多样性这事儿，你提到的没错，一个包含各种水下环境和生物种类的数据集对训练模型来说很重要。比如，海洋的不同深度、水流速度、水温这些都会影响声纳图像。我记得美国海军的研究团队就通过收集不同海域的声纳图像来训练模型，提高识别潜艇的能力。

再来是代表性，确保数据集中有足够的样本来代表不同类型的目标，这对提升模型的泛化能力很有帮助。比如在渔业应用中，可能得包括各种鱼类、水下障碍物等不同类型的图像。

还有数据增强，除了收集更多数据，数据增强技术也能扩充数据集。比如旋转、缩放、翻转声纳图像，这能帮助模型学习到更多特征。

总的来说，构建高质量的数据集对深度学习在声纳图像分类中的成功至关重要。这些建议应该能帮到你吧。