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。     

基于水质-声音-视觉融合的循环水养殖鱼类摄食强度识别

在工厂化循环水养殖中，准确识别鱼类摄食强度是实现精准投喂的前提和关键。水质、视觉、声音等单模态数据均可用于评估摄食强度，但单一模态往往具有片面性，难以完全反映全局特征，存在识别精度低、可移植性差等问题。多模态方法通过融合不同模态的特征，可为摄食强度量化提供新的手段。基于此，为融合鱼类摄食中的“水质-声音-视觉”信息，实现高精度的鱼类摄食强度量化，该研究在多模态Transformer（multimodal transformer，MulT）的基础上，提出一种多模态融合的鱼类摄食强度识别算法Fish-MulT。首先，从输入的水质、声音和视觉数据中提取特征向量；其次，利用多模态转移模块（multimodal transfer module，MMTM）对输入的特征向量进行融合，得到3种融合向量；然后对融合向量添加自适应权重并相加，得到融合模态；最后，利用融合模态将MulT算法中各模态分支的跨模态Transformer（cross-modal transformer）从2个优化为1个。试验结果表明，与MulT算法相比，本文算法的鱼类摄食强度识别准确率由93.30%提高到95.36%，参数量减少38%。与水质、声音和视觉单模态相比，准确率分别提高68.56%、21.65%和3.61%。可用于制定精准投喂策略，并为开发智能投喂系统提供技术支持。     

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。     

基于轻量级神经网络MobileNetV3-Small的鲈鱼摄食状态分类

在集约化水产养殖过程中,饲料投喂是控制养殖成本,提高养殖效率的关键。室外环境复杂多变且难以控制,适用于此环境的移动设备计算能力较弱,通过识别鱼类摄食状态实现智能投喂仍存在困难。针对此种现象,该研究选取了轻量级神经网络MobileNetV3-Small对鲈鱼摄食状态进行分类。通过水上摄像机采集水面鲈鱼进食图像,根据鲈鱼进食规律选取每轮投喂后第80～110秒的图片建立数据集,经训练后的MobileNetV3-Small网络模型在测试集的准确率达到99.60%,召回率为99.40%,精准率为99.80%,F1分数为99.60%。通过与ResNet-18, ShuffleNetV2和MobileNetV3-Large深度学习模型相比,MobileNetV3-Small模型的计算量最小为582 M,平均分类速率最大为39.21帧/s。与传统机器学习模型KNN（K-Nearest Neighbors）、SVM（Support Vector Machine）、GBDT（Gradient Boosting Decision Tree）和Stacking相比,MobileNetV3-Small模型的综合准确率高出12.74、23.85、3.60和2.78个百分点。为进一步验证该模型有效性,在室外真实养殖环境进行投喂试验。结果显示,与人工投喂相比,基于该分类模型决策的鲈鱼投喂方式的饵料系数为1.42,质量增加率为5.56%。在室外真实养殖环境下,MobileNetV3-Small模型对鲈鱼摄食状态有较好的分类效果,基于该分类模型决策的鲈鱼投喂方式在一定程度上能够代替养殖人员进行决策,为室外集约化养殖环境下的高效智能投喂提供了参考。     

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。     

池塘水产养殖精准投喂系统研制与试验

针对传统池塘养殖多依靠经验粗放式投喂而导致生产效率低、环境压力大、养殖风险高的问题，该研究提出一种适配池塘养殖的精准投喂系统。该系统主要包括水质监测、决策控制、驱动执行和远程监控等模块。以影响鱼类摄食需求的关键因子溶解氧、温度、体质量等为输入参数，以摄食需求量为输出参数，基于蚁群优化算法的模糊PID控制技术实现精准投喂。为验证系统的实用性和有效性，以精养草鱼为对象开展池塘养殖对比试验，从调控性能、生长性能、经济效益和环境效益等方面进行综合评价。结果表明：所提出的精准投喂系统控制性能稳定可靠，控制误差小于7%，与传统投喂系统相比，Nash-Sutcliffe效率系数（N_NS）提高至0.913，均方根误差（R_RMSE）降低16.10。草鱼生长参数不存在显著差异性（P>0.05），但饵料系数显著降低11.73%（P<0.05），养殖收益提高1.46万元/hm²，吨产减排约241.40 kg。所研制的精准投喂系统具有较好的综合应用性能，可为其他养殖模式、鱼类精准投喂设施研发提供参考和技术支持。     

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。     

循环水养殖大口黑鲈摄食颗粒饲料的声学特征

为突破智能投饲系统的技术瓶颈,近年来采用被动声学技术开展鱼虾摄食行为研究成为热点之一。该研究主要采用被动声学技术获取单体大口黑鲈（Micropterus salmoides）摄食声信号,从混合信号中提取完善的摄食信号,筛选可作为衡量大口黑鲈摄食活跃度的声学特征参数,以期对摄食活跃度进行量化。根据大口黑鲈喂食期间的同步音频与视频记录,确定信号类别并进行标记,主要提取每次吞食饲料的时域与频域特征,对比各参数与吞食次序之间的相关度。研究结果表明,摄食声信号能量主要集中于4～7 kHz,且大口黑鲈吞食间隔与吞食次序呈正相关,稳定性较强;而时域特征中的波形振幅极差与频域特征的功率积分值均与吞食次序呈负相关。吞食间隔、振幅极差及功率积分值均可以作为衡量摄食活跃度的量化指标,而共振峰与平均梅尔倒谱系数可作为摄食声识别参数,研究结果可为今后养殖鱼类被动声学智能投饲系统研发提供理论基础。     

基于颈环采集节点的母羊产前行为识别方法

针对目前母羊产前行为监测费时费力、精准度较低、可识别行为类型单一等问题，以颈环采集节点获得的加速度数据为研究对象，提出了一种基于区间阈值与遗传算法优化支持向量机（Genetic Algorithm-Support Vector Machine, GA-SVM）分类模型的母羊产前行为识别方法。该方法首先对合加速度数据进行小波降噪和提取轮廓线预处理，再利用区间阈值分类法，识别出行走、趴卧2种行为。在此基础上，采用GA-SVM分类模型实现饮水、采食、反刍3种行为的准确识别。试验表明，颈环采集节点能够实时采集和传输产前母羊颈部的活动信息，并能有效区分5种产前行为活动。可识别行为类型增多，且在适用性方面有了较大提升，平均准确率达到97.88%，比传统的决策树算法、K最近邻（K-Nearest Neighbor, KNN）算法、支持向量机（Support Vector Machine, SVM）算法分别提高了31.26%、21.87%、21.9%。该研究对建立产前母羊运动量及健康评估模型、提高繁殖及工作效率、实现智能化管理等方面具有十分重要的意义。     

基于DT-CWT和LS-SVM的苹果果梗/花萼和缺陷识别

该文提出了一种基于双树复小波变换(DT-CWT)和最小二乘支持向量机(LS-SVM)区分苹果的果梗/花萼和缺陷的方法。对苹果图像使用DT-CWT分解,使用变换后得到的高频子带系数的均值和方差构造特征向量,然后使用最小支持二乘向量机作为分类器进行分类。对180幅苹果图像进行了试验。讨论了DT-CWT分解层数以及目标图像大小对分类正确率的影响。试验结果显示,使用3层DT-CWT对大小为64×64子图像进行小波分解提取纹理特征,能达到最好的分类效果,分类正确率可以达到95.6%。     

鱼类工厂化循环水人工繁育设施装备应用研究进展

水产种业的高质量发展是推动养殖业发展的基础,现阶段中国鱼类人工繁育生产方式设施装备化程度低,产业大而不强,转型升级的需求迫在眉睫。该研究在文献调研整理的基础上,首先就循环水人工繁育设施装备在亲鱼产卵、鱼卵孵化、鱼苗培育等方面的研究和应用情况展开论述。相对于常规培育方式,循环水系统能够最大程度上构建出符合亲鱼交配和产卵的环境条件,养殖密度0.01～4.5 kg/m3,系统循环率9～76%/h,换水率0.7～3%/d;针对不同性质的鱼卵,介绍了国内外目前常用的孵化器主要有瓶式孵化罐、平列式孵化槽、漏斗式孵化器等,阐明了其适用对象、工作原理和主要性能表现;针对育苗和养殖系统构建需求的差异,综述了目前在循环水育苗设施装备应用研究中关注的重点和难点。其次,概述了中国鱼类人工繁育发展现状和问题,分析了循环水人工繁育技术的优势和面临的挑战。最后提出,鱼类工厂化循环水人工繁育具有较高的可行性和引领性,但是要实现产业化应用仍需要进一步开展基于品种对象的人工繁育环境构建及循环水处理、繁育过程鱼类对环境应激源的生物学响应、智能繁育装备等方面技术攻关和装备研发。     

超高密度全封闭循环水养殖系统设计及运行效果分析

为进一步研究循环水养殖系统在高密度养殖生产过程中的水质变化情况、鱼类生长情况及应用推广价值,该文构建了一套超高密度全封闭循环水养殖系统,设计3条水处理环路,集成了鱼池双排水、竖流沉淀、转鼓式微滤机、移动床生物过滤、多腔喷淋式纯氧混合装置、二氧化碳脱气等高效水处理技术和装备。提出一种基于投饲量的循环水养殖系统设计计算方法,重点考虑氨氮、溶解氧和总悬浮颗粒物3个水质指标。使用该系统养殖吉富罗非鱼6个月,试验研究结果显示:鱼类生长情况良好,最高养殖密度104.2kg/m3。饵料系数1.4,成活率92.2%。水质检测结果显示:氨氮浓度维持在平均(1.09±0.55)mg/L;溶解氧维持在4～9mg/L范围内;pH值6.45～7.41。经济性分析研究结果表明,系统养殖运行成本约为25元/kg,略高于市场价格。但是,从环境成本考虑,系统的节水效果显著,日耗水仅为0.3～0.5m3。通过适当的精简并挑选合适的养殖品种,完全可以实现规模化的生产。     

基于深度学习的鱼类养殖监测研究进展

鱼类养殖是通过人工方式在水中养殖各种鱼类的经济活动。鱼类养殖可以在淡水、海水或者盐碱水环境中进行,通过各种监测技术和设备来培育和管理鱼的生长和繁殖。传统的鱼类养殖监测方法存在效率低和准确性差等问题。近年来,基于深度学习的视觉技术的发展为鱼类养殖监测提供了新的解决方案。该文阐述了基于深度学习的视觉技术在鱼类养殖监测中的应用,并从鱼体测量、鱼类计数、鱼类摄食、鱼类游泳行为和鱼病诊断5个方面分别对研究进展进行梳理。在此基础上总结了鱼类养殖监测在数据采集与传输、建立鱼类养殖监测数据集、超规模参数模型、终端监测设备边缘计算、数字孪生、智能监测业务化应用不足等问题和展望,旨在为深度学习在鱼类养殖监测中的推广应用提供科学参考。     

菜-鱼复合设施种养系统构建与运行试验分析

针对工厂化循环水养殖废弃物资源化利用难题，该研究将传统鱼菜共生技术进行改进，提出并构建一种菜-鱼复合设施种养模式。通过设计3路水循环工艺流程，将工厂化循环水养殖、蔬菜无土栽培(即鱼菜共生系统)与传统土壤种植结合，以促进水产养殖固液废弃物全循环利用。基于质量平衡原理，根据投饲量和养殖尾水排放量提出鱼菜生物量配比和发酵装置体积计算方式，以提高系统营养物质利用效率。建立一套中试系统，使用该系统同时养殖大口黑鲈、种植水培生菜和番茄160 d，结果显示：鱼类生长良好，最终养成密度为41.6 kg/m³，特定生长率为0.42%，存活率99.95%，饵料系数为1.4；蔬菜长势良好，收获水培生菜1 205 kg，收获番茄果实2 400 kg。水质情况总体稳定：总氨氮平均浓度为(0.83±1.46)mg/L、亚硝酸盐平均浓度为(0.035±0.062)mg/L、硝酸盐平均浓度为(25.1±8.06) mg/L、溶解氧浓度范围为4.25～7.16 mg/L、p H值平均为6.8；水产养殖废弃物发酵后，可使水体中总磷含量提高141%，钾离子含量提高7%；系统经济效益和生态效益较好：年利...