基于水下机器视觉的大西洋鲑摄食行为分类

根据鱼群摄食行为状态进行水产养殖精准投喂控制,是有效提高饵料利用率降低水体污染的关键技术。目前,大多数基于机器视觉的鱼类摄食行为研究都是在实验室对真实养殖环境进行模拟并采用水上摄像机获取数据,由于光照条件和养殖环境的影响,该数据无法反映大西洋鲑在实际生产状况下的摄食行为,因此应用范围有限。为解决此问题,该研究提出一种基于真实工厂化养殖环境的鱼类摄食行为分类算法。该算法使用水下观测方式并采用视频序列作为样本,首先利用变分自动编码器对视频序列样本进行逐帧编码以产生所有帧对应的高斯均值和方差向量,分别联立所有均值和方差向量得到均值特征矩阵和方差特征矩阵。然后将特征矩阵输入到卷积神经网络中,实现对鱼群的摄食行为分类。试验结果表明,在真实的工厂化养殖环境下,该研究所提出的方法综合准确率达到了89%,与已有的基于单张图像的鱼类摄食行为分类方法相比,综合准确率提高了14个百分点,召回率提高了15个百分点。研究结果可为基于鱼类摄食行为的鱼饵精准投喂控制提供参考。     

基于图像纹理特征的养殖鱼群摄食活动强度评估

为了解决循环水养殖中的投喂难题,该文以镜鲤为试验对象,基于计算机视觉技术,提出了一种通过分析鱼群的纹理来评估鱼群摄食活动强度的方法。首先利用均值背景建模重建出没有鱼群的背景图片,提取出目标鱼群,使用灰度共生矩阵对逆差矩、相关性、能量和对比度这4个纹理特征进行分析,得到鱼群的摄食活动强度。试验结果表明通过鱼群纹理的对比度与传统方法面积法得到的鱼群摄食活动强度,其线性决定系数可达0.894 2,说明该方法可以用来表征鱼群的摄食活动强度,研究结果为鱼群的摄食活性强度测量提供了一种参考方法。     

基于光流法的鱼群摄食状态细粒度分类算法

对鱼群摄食状态的细粒度分类有利于更精细地描述鱼群的摄食行为。该研究基于工厂化的循环养殖池环境提出了一种利用光流法进行特征提取的鱼群摄食状态细粒度分类算法。算法对鱼群的巡游视频进行摄食状态分类,首先通过光流法提取视频内鱼群的帧间运动特征,其次构建了一个帧间运动特征分类网络对该特征进行细粒度分类,最后基于投票策略确定视频的最终类别。试验结果表明,该研究算法在投票阈值设置为50%的情况下,视频准确率达98.7%;在投票阈值设置为80%的情况下,视频准确率为91.4%。在不同的投票阈值设置下,该算法的视频准确率始终保持在90%以上,说明其分类鲁棒性较强。相较于实验室养殖环境,基于工厂化养殖环境对鱼群的摄食状态所展开的算法研究实际应用性更强,可为精细描述鱼群摄食行为,实现精准投饵自动控制提供参考。     

通过图像增强与改进Faster-RCNN网络的重叠鱼群尾数检测

利用目标检测获取水下鱼类图像中的生物信息,对于实现水产养殖信息化、智能化有重要意义。受到成像设备与水下拍摄环境等因素的影响,重叠鱼群尾数检测仍为水下目标检测领域的难点之一。该研究以水下重叠鱼群图像为研究对象,提出了一种基于图像增强与改进Faster-RCNN网络的重叠鱼群尾数检测模型。在图像预处理部分,该研究利用MSRCR算法结合自适应中值滤波算法进行水下图像增强;在Faster-RCNN网络的改进部分,该研究采用ResNeXt101网络作为模型主干网络、增加带有CBAM（Convolution Block Attention Module）注意力机制的Bi-PANet（Bilinear-Path Aggregation Network）路径聚合网络、使用PAM（Partitioning Around Medoids）聚类算法优化网络初始预测框的尺度和数量、以Soft-NMS（Soft Non-Maximum Suppression）算法替代NMS（Non-Maximum Suppression）算法。通过以上措施提高模型对于重叠鱼群尾数的检测精度。通过消融试验可得,改进后的模型对水下重叠鱼群图像的平均检测精度和平均召回率分别为76.8%和85.4%,两项指标较Faster-RCNN模型分别提高了8.4个百分点和13.2个百分点。通过对多种模型的实际试验结果进行对比可知,改进后的模型的平均准确率相较于YOLOv3-spp、SSD300和YOLOv5x6分别高出32.9个百分点、12.3个百分点和6.7个百分点。改进后的模型对重叠数量为2～5尾的鱼群进行数量检测时,成功率分别为80.4%、75.6%、65.1%和55.6%,明显高于其他目标检测算法,可为重叠鱼群尾数检测提供参考。     

鱼类养殖智能投喂方法研究进展

在鱼类养殖过程中,饲料成本是主要养殖成本,如何做到合理投喂是减少养殖成本、提高养殖效益的关键。智能投喂是基于各类传感器获取环境和鱼群的各类信息,结合相关算法模型进行决策的投喂方式,是提高鱼类养殖投喂效率的重要手段。目前,鱼类的智能投喂已经取得了一些成果,但由于复杂多变的养殖环境和鱼类行为的不确定性,实现鱼类智能投喂仍面临挑战。该研究综述了鱼类养殖智能投喂的应用与进展,包括基于计算机视觉技术的鱼类摄食行为分析与饲料检测,声学技术、其他传感器技术和生物模型在智能投喂中的应用与发展。此外,分析了投饵机和投喂系统的研究现状,并总结了目前研究存在的问题。今后,要进一步加强水产、工学、信息等多学科的交叉融合,对鱼类图像、声音、生长规律与生物特征等多种信息进行综合分析应用,以提高投喂系统对多场景和多种养殖方式的适应性。     

基于行为监测的疑似病猪自动化识别系统

针对传统的群养猪行为观察方法的缺点,提出了1种疑似病猪行为自动监测系统。系统基于ARM平台,利用安装于猪舍排泄区的嵌入式监控设备对群养猪的排泄行为进行24 h监控,通过1种改进的运动目标检测算法和基于像素块对称特征的图像识别算法定位具有异常行为的疑似病猪,并将报警图像通过通用分组无线服务（general packet radio service）网络传送至监控中心。对一栏10头大约克夏猪的试验结果表明,病猪检测正确率为78.38%,基本达到了预期的目标。因此,该文设计的方法对我国的养殖业实施自动化监测具有一定的借鉴意义。     

采用机器视觉和傅里叶频谱特征的循环水养殖鱼类摄食状态判别

为精准判别工厂化循环水养殖池中鱼类摄食行为动态,实现精准投喂,该研究提出一种基于傅里叶频谱特征提取并通过支持向量机分类的鱼类摄食行为判断方法。首先,对采集到的工厂化循环水养殖池中鱼群的摄食影像作水花前景提取,并从空域转化至频域;然后,在频域内构建环形滤波器,通过频谱滤波确定特征向量提取范围(更明显表征图像灰度变化剧烈程度的频谱区域),并提取区间内幅值,以此表征鱼类摄食欲望的强弱,从而可以实现鱼类摄食行为的判断。统计每一区间所得幅值样本之和并以此构建特征向量集,并将所得特征向量训练支持向量机。结果表明,该研究所提出的方法在工厂化养殖鱼类摄食行为判断方面具有很好的效果,判断准确率可达99.24%,研究结果能以极高准确率判断鱼类摄食行为,为指导精确投喂提供科学依据。     

基于智能体和元胞自动机的鱼道内鱼类行为模拟

为建立基于智能体和元胞自动机(Agent-CA)的鱼道内鱼类行为模型,该研究以计算流体力学软件得到的水流流场数据为基础,根据过鱼试验研究认识到的鱼上溯行为特征和规律,定义了不同场景下鱼的避开障碍、寻找主流、逆流向前、逆流后退、冲刺、随机6种行为和行为规则,将鱼道划分成多个二维元胞空间,将元胞空间中元胞状态为"鱼"的网格看作是一个智能体(Agent)。在3种体型的竖缝式鱼道中应用该模型对草鱼幼鱼的上溯行为进行模拟,并将模拟结果与实际过鱼轨迹进行对比。结果表明:该研究构建的模型能够较好地描述实际过鱼的主要上溯轨迹,针对3种体型竖缝式鱼道的模拟特征轨迹范围相对误差分别为23.5%、7.7%和2.3%。本研究提出的基于智能体和元胞自动机的鱼道内鱼类行为模型具有较好的适用性,可为鱼类行为模拟研究提供重要基础数据。     

基于概率统计方法的承德市农业旱灾风险评估

根据旱灾风险的统计特征,提出2种基于概率统计方法的旱灾风险评价方法：1）旱灾损失的概率分布曲线,2）旱灾损失与干旱概率的关系曲线。以滦河上游承德市辖区的农业旱灾风险为例进行应用研究。根据1990－2007年历年农业旱灾损失数据计算粮食因旱减产率,拟合其概率分布。利用分布式水文模型模拟得到该区域1956－2005年0～50 cm的月平均土壤含水率,识别农业干旱事件,计算农业干旱烈度概率,选用对数函数拟合因旱粮食减产率和农业干旱烈度概率关系曲线。采用因旱粮食减产率期望值表征区域旱灾风险,2种方法结果一致性较好,研究区域农业旱灾风险上游大于下游,各个县的多年平均因旱粮食减产率为7%～15%。     

基于变量选择的蚕茧茧层量可见-近红外光谱无损检测

以蚕茧茧层量为研究对象,研究了基于可见-近红外光谱技术的蚕茧茧层量无损检测方法。采用最小二乘支持向量机（least square-support vector machine,LS-SVM）建立可见-近红外光谱模型。采用无信息变量消除算法（uninformative variable elimination, UVE）与连续投影算法（successive projections algorithm, SPA）相结合选取光谱有效波长。结果表明,基于UVE-SPA法进行变量选择,最终将原始光谱的600个光谱变量减少到了8个（673,937,963,982,989,992,995和1 008 nm）。基于此8个变量建立的LS-SVM模型得到了预测集的确定系数（Rp2）为0.5354,误差均方根（RMSEP）为0.0373的预测结果。表明可见-近红外光谱可以用于对蚕茧的茧层量进行无损检测,同时UVE-SPA是一种有效的光谱变量选择方法。     

基于计算机视觉技术的运动鱼检测算法

为了提高水中鱼的运动检测精度,该文在分析比较图像和视觉领域常用的运动目标检测算法的基础上,提出了3种适合于运动鱼检测的改进算法。试验结果表明,该文提出的算法在检测鱼的快速运动方面要优于传统算法,特别是帧间差分和运动平均背景建模结合方法较其他算法在平均检测时间和检测精度方面更具优势,在鱼类运动检测方面有较大的应用潜力。     

Modeling juvenile salmon migration using A simple markov chain

We describe movement patterns of hatchery-raised, juvenile, spring chinook salmon, Oncorhynchus tshawytscha, using a two-state Markov chain model. The existence of two states, moving and holding, is suggestedby anecdotalinformation from a large radio telemetry study; yet adequate observations of these small-scale fish behaviors are not available for estimating transition probabilities directly. Instead, we estimate the transition probability matrix from travel times within each of 11 river segments using a method of moments approach. Bootstrapped confidence intervals are presented. Results suggest that fish behavior in the region of the confluence between the Grande Ronde and Snake Rivers includes many transitions between moving and staying while fish behavior in the Snake River is more likely to include long periods of staying.     

基于改进主成分分析和AdaBoost算法的运动虾苗识别方法

针对虾行为量化过程中运动虾苗较难检测与识别的问题,该文以南美白对虾虾苗为例,提出了一种基于改进主成分分析(principal component analysis,PCA)+AdaBoost算法的运动虾苗自动识别方法。在室内自然光条件下,利用工业相机采集承装容器中虾苗的灰度图像。提取图像中大小为100×100像素的不同运动状态的虾苗图像,首先使用改进PCA算法进行主成分分析,并进行特征提取。根据特征参数的分布情况,对其进行归一化处理,利用归一化的特征构建多个弱分类器,利用Adaboost方法将弱分类器构建成强分类器。最后,利用强分类器对运动虾苗进行识别。试验结果表明,在150幅不同运动状态虾苗测试样本中,基于改进PCA+Adaboost方法的识别正确率98%,平均每个样本识别时间为0.027 898 s,满足行为量化中的自动识别要求。     

5种重金属暴露对斑马鱼呼吸运动的影响

为了探讨外源性重金属暴露对鱼类呼吸反应的影响,利用鱼类的呼吸参数的变化来预警水体污染。尝试以斑马鱼为实验生物,进行了5种重金属离子对斑马鱼的急性毒性实验;应用生物早期预警系统（BIO-SENSOR 7008）,研究了斑马鱼在不同重金属浓度暴露1 h后的呼吸反应变化情况及预警结果。结果表明,Hg^2＋、Cu^2＋、Cd^2＋、Zn^2＋、Pb^2＋等重金属对斑马鱼的96 hLC50分别为0.14、0.174、6.497、44.48、116.432 mg.L-1;安全浓度分别为0.014、0.017、0.65、4.5、11.6 mg.L^-1;应用呼吸参数的预警浓度分别为0.08、0.08、4.8、7.5、105 mg.L^-1。其中系列浓度Hg2＋暴露下斑马鱼呼吸频率和呼吸强度都显著升高（F=2.75,P〈0.05;F=28.95,P〈0.01）;Cu^2＋、Cd^2＋等暴露对斑马鱼呼吸频率和呼吸强度先升高再降低（P〈0.01）;Zn^2＋暴露则对斑马鱼呼吸运动具有显著抑制作用（P〈0.01）;而Pb2＋对斑马鱼呼吸强度影响较小（P〉0.05）。斑马鱼呼吸参数作为生物监测指标来预警水体Hg^2＋、Cu^2＋、Zn^2＋等重金属污染较为敏感。     

竖缝式鱼道内齐口裂腹鱼洄游行为模拟

鱼道是帮助洄游鱼类跨越河道内物理障碍的主要过鱼设施之一。针对鱼道结构优化试验耗时长、成本高的问题。该研究在物理试验基础上建立模拟鱼类运动的数值模型,基于竖缝式鱼道内齐口裂腹鱼的行为数据,结合机器学习和欧拉-拉格朗日智能体方法(Eulerian-Lagrangian-agent method,ELAM)建立了鱼类洄游路线预测模型。首先,将齐口裂腹鱼的游泳行为数据划分为3个数据集(顺流而下、侧向运动和逆流而上);然后,根据不同机器学习算法(XGBoost、K-近邻、梯度提升决策树、随机森林)分别构建游泳行为分类模型和游泳速度回归模型,并通过试验结果对比,筛选出最优模型;最后,结合ELAM的框架,构建鱼类洄游数学模型,模拟了齐口裂腹鱼在3种体型的竖缝式鱼道中的洄游路线。结果表明：基于随机森林建立的游泳行为分类模型和游泳速度回归模型预测效果最佳,游泳行为分类精度为0.804,召回率为0.794,F1得分为0.798,3个数据集的游泳速度回归的R²均大于0.75。研究所建立的鱼类洄游数学模型能够较好的预测齐口裂腹鱼的洄游路线,可为相关鱼类保护措施的设计和优化提供参考。     

一种新的城市变化检测法及其在长沙都市区的应用

城市变化检测是遥感应用的重要领域。以长沙都市区为例,利用两期Landsat TM影像,改进了移动窗口法,提出了差分图像异常检测法。结果显示:(1)差分图像异常检测法有较高的检测精度。在随机选取的178个变化/非变化像元中,有157个被正确检测到,精度达88.2%;(2)2004—2009年间,长沙都市区城市变化像元共计116 101个,即该区有5.41%的自然景观转化为城市景观。园区经济的快速发展成为该区城市扩张的主要驱动力。     

基于BLAST与比较基因组学方法计算鉴定青鳉鱼的microRNA前体

microRNA（miRNA）是一类长度为18～25 nt的单链小分子RNA。它可以调控基因的表达调控。通过与目标mRNA的特定位点的结合,从而抑制蛋白质的翻译或诱导该mRNA的降解。目前鱼类miRNA方面以斑马鱼miRNA的研究较多。为发掘另一种鱼类模式生物——青鳉鱼（Oryzias latipes,medeka）的miRNA,利用BLAST同源搜索方法与比较基因组学方法,并根据成熟miRNA的序列保守性以及miRNA前体（premiRNA）的二级结构的特征,对该模式生物的pre-miRNA进行了计算鉴定与分析。通过与miRBase19中已经发布的miRNA进行比较,在青鳉鱼基因组中共找到了56条新序列。设定miRNA基因间距的阈值为5000nt,新发现的与已知的pre-miRNA共形成31个基因簇。同时,这56条新发现的pre-miRNA可以划分到33个已知的基因家族中,并分析了新发现的、保守miRNA的靶标与功能。     

含关节间隙的Delta机器人弹性动力学与振动特性分析

针对经济实用型并联机器人关节间隙对动平台位置精度与系统振动特性影响的问题,以Delta机器人为研究对象,利用数理统计原理对含关节间隙的Delta机器人支链进行了运动学分析,结合Lankarani-Nikravesh碰撞接触力模型与具有动态修正系数的Coulomb摩擦模型对关节间隙广义碰撞力进行了研究。利用空间有限元理论与拉格朗日方程,充分考虑主、从动臂的空间动力特性与运动协调关系,建立了Delta机器人弹性动力学模型,在定义杆件虚长度的基础上,将关节间隙产生的广义碰撞力结合到弹性动力学模型中,建立了含关节间隙的Delta机器人弹性动力学模型。借助FARO激光跟踪仪对间隙弹性动力学模型进行了验证分析,利用脉冲锤击法与Workbench软件仿真对Delta机器人的振动特性进行了研究分析。试验结果表明,考虑关节间隙时动平台中心点的运动轨迹较不考虑关节间隙时更靠近试验运行结果,验证了间隙弹性动力学模型的合理性与正确性,并且,系统前两阶非零固有频率的理论值与试验值的相对误差分别为3.544%和12.026%,两者相当接近。另外,由仿真结果可以发现3组从动臂是Delta机器人整机系统中最薄弱的环节。该研究可为经济实用型并联机器人的位置误差补偿与系统减振优化提供参考。