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。     

基于光流法与特征统计的鱼群异常行为检测

鱼类群体行为的异常检测能够为鱼类健康监控与预警提供重要的方法和手段,对研究鱼类行为的机理,提升水产养殖过程中的信息化水平具有非常重要的意义。该文通过计算机视觉和图像处理技术,基于鱼群运动特征统计方法,对鱼群异常行为检测进行研究。利用Lucas-Kanade光流法得到目标鱼群的运动矢量,并对目标运动的行为特征进行统计,得到速度与转角这2个行为特征的联合直方图与联合概率分布。最后,在联合概率分布的基础上,基于标准互信息(normalized mutual information-NMI)和局部距离异常因子(local distance-based outlier factor-LDOF)2种方法对鱼群行为进行异常检测。试验结果表明,2种异常检测方法均达到99.5%以上的准确率。     

混沌人工鱼群算法及其在灌区优化配水中的应用

对人工鱼群算法进行了改进,结合灌区优化配水问题,建立了灌区优化配水的混沌人工鱼群算法模型。通过对山东省威海市节水灌溉示范区进行优化计算,算法能有效地搜索到灌区净效益最高点,优化后与现状种植结构相比,粮食作物面积减少,经济效益较高的果树面积增大,灌区净效益提高56％。优化结果表明,混沌人工鱼群算法应用于灌区优化配水计算切实可行,为复杂的灌区优化配水问题提供了新的思路和方法。     

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。     

基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环

为了研制一种调节桨叶节距角的智能控制器,使风力发电机组在变化的风力中获得最大的能量并使转速、功率和机械负载变化最小,提出了一种基于弹性自适应人工鱼群-BP神经网络的风轮节距控制环并用于风轮节距角控制,分析了弹性自适应人工鱼群优化算法-BP神经网络,建立智能控制的风力发电机组模型。使用该方法模拟了在不同桨叶节距角下功率系数、叶尖速比、功率和电压变化,模拟值与实测值进行了对比。试验表明,模拟值与实测值比较接近,仿真效果较佳。结果表明该方法原理正确,符合实际调节及微机控制,可用于实时控制。     

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。     

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。     

面向对象的无人机影像水体变化监测方法

[目的]针对大多无人机影像仅有红、绿、蓝3个波段的特点,提出一种利用纹理特征提取水体并进行变化监测的方法,为水利部门了解水体面积变化情况提供技术支持。[方法]首先利用易康软件对无人机影像进行多尺度分割,形成影像像斑,再计算影像像斑的角二阶矩、均值、熵等纹理特征,将这些纹理特征作为影像波段进行组合,从而突出水体,最后通过ISO分类的方法提取出水体,将不同时期提取的水体进行叠置分析,得到水体的变化区域。[结果]通过选择不同的区域进行试验,水体的提取精度和变化检测精度均达90%以上。[结论]面向对象的无人机影像水体变化监测方法可有效提高水体变化监测的效率,节约人工作业量。     

苹果采摘机器人视觉系统的暗通道先验去雾方法

针对雾霾严重气候条件下苹果采摘机器人视觉定位困难的问题,提出一种把暗通道先验（dark channel prior,DCP）原理应用于苹果图像去雾的调参和改进方法。给出了一种获取大气光系数 A 的方法,首先把计算得到的暗通道图结果存入矩阵,求暗通道图中的前1/1000个最大元素所在位置,并存储在与暗通道矩阵相同大小的新矩阵中;根据新矩阵中的位置信息获得 R 通道矩阵相应位置的值,最后求取这些值的平均值作为 A 的取值。根据工程需要,该研究取去雾强度ω恒为1。通过与多尺度 Retinex（multiscale retinex,MSR）方法、自适应直方图均衡化（adaptive histogram equalization, AHE）等常规方法以及其他文献的暗通道去雾使用方法进行对比试验,结论是该文的方法能获得更好的主观视觉效果。在结果图像的对比度方面,该研究使用的方法能得到平均对比度64.04,与计算速度较快的直方图均衡化方法的35.46相比,提升了81%;R 通道对比度为68.525,与直方图均衡化方法得到的 R 通道对比度36.425相比提升了88%;该方法得到的图像直方图整体上呈现中间高两边低的形状特点,表明相对其他去雾方法,该文的方法能得到较好的去雾图像质量。时间复杂度方面,改进后的 DCP 方法计算640×480的图像耗时在33～37 ms 之间,基本能满足实时要求。分割定位精确度方面,该文方法的综合定位精度为94.8%,高于其他方法。试验证明使用该文方法能在去雾的效率和性能方面得到较好的平衡,是一种可以用于实际采摘作业的可行方法。     

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。     

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。     

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。     

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...     

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。     

循环水养殖模式下鱼生长对水环境因子的响应模型构建

为探究鱼类生长对水环境的响应,预测鱼类在养殖水环境多因子协同作用下的生长速度,进行了室内曝气推流循环水养殖罗非鱼试验,试验持续周期为8周。结果表明,在一定范围内,随着溶解氧质量浓度的增加,鱼的食物转化效率和特定生长率均有所提高;随着非离子氨质量浓度的增加,鱼的食物转化效率和特定生长率均有所降低;而亚硝酸盐质量浓度由于变化不大且均处于安全质量浓度范围,该试验中对鱼的食物转化效率和特定生长率未产生显著影响。基于这一系列试验结果对罗非鱼特定生长率进行了非线性拟合,建立了鱼的生长预测模型,R2为0.82,并通过实测数据验证了模型的有效性和普适性。预测模型表明,养殖初始鱼质量、养殖密度、非离子氨以及亚硝酸盐质量浓度的增加,均会导致鱼生长速度减缓,而提高溶解氧质量浓度则可以提高鱼生长速度。该预测模型虽然是在曝气推流循环养殖模式下获得的,但对其他养殖模式同样适用,使鱼生长对水环境因子的响应变得可测,为促进养殖鱼类的健康发展、养殖系统的优化和养殖效益的提高提供了便利和参考。     

挪威大西洋鲑鱼工业化养殖现状及对中国的启示

挪威大西洋鲑鱼养殖起步于20世纪60年代,通过建立养殖许可证、最大生物许可量、环境信号灯等制度和规则,经过将近60 a的发展,目前已跃居成为全球大西洋鲑鱼第一大主产国。统计结果显示,2018年挪威养殖大西洋鲑鱼出口量110万t,出口额82.3亿美元;总销售量中Salmar、Cermaq、Marine Harvest等十大养殖企业占比63.9%;全国海上养殖场数量共986个,繁育和养殖从业人员共7499人。挪威大西洋鲑鱼养殖是陆海接力工业化生产的典型代表。从亲本产卵到规格苗种培育阶段主要采用循环水方式在陆基工厂化养殖车间内完成,然后转运至海上养殖场利用深水网箱进行养成。随着近岸水质和气候环境的变化以及对生产作业和管理更高的要求,挪威大西洋鲑养殖业正经历着从开放式网箱养殖向封闭式网箱、从近岸养殖朝深远海养殖发展的阶段。中国海水鱼养殖产业存在产业组织化程度低、养殖品种多样化、主养模式与产业技术亟待升级等问题。借鉴挪威大西洋鲑鱼养殖产业发展中碰到的问题和采取的对策,提出中国海水鱼养殖业发展应提高行业准入门槛,加强过程监督和环境影响评估;尽快建立针对不同养殖品种的市场发展策略,加快渔业结构升级转型;引进水产苗种工业化繁育技术体系;拓展深远海,建立陆海统筹的养殖新模式等建议。     

鲤CC型趋化因子CCL-C5a样基因的克隆、组织表达与进化分析

趋化因子家族是一类能诱导白细胞激活和迁移的趋化性细胞因子家族,是鱼类先天免疫的重要组成部分.CC类家族是趋化因子家族中最大的家族之一.为研究鲤CC类家族成员的组织表达和进化模式,以及进一步研究鲤CC类趋化因子的免疫调控机制,本研究选择该家族其中的一个基因,CCL-C5a样基因,根据EST序列结合RACE方法从鲤(Cyprinus carpio)脾脏中克降了该基因的全长cDNA序列(GenBank登录号:JQ026408).该序列全长830 bp,5端非翻译区174 bp,3端非翻译区296 bp,开放阅读框360 bp,编码一个由119个氨基酸组成的蛋白.结构域分析发现,该蛋白质含有分泌信弓肽和保守的趋化因子结构域;Gene Ontology注释该基因参与免疫细胞迁移的生物学过程.CCL-C5a基因在鲤10个组织中表达,其中在脾和肝的表达量最高.脂多糖刺激鲤外周血白细胞和头肾白细胞后,该基因表达量出现显著上升.氨基酸序列保守性分析表明,鲤CCL-C5a样趋化因子与斑马鱼(Danio rerio)的同源性最高,为61％,与蓝鲶(Ictalurus futrcatus)、沟鲶(Ictalurusp unctatus)和大西洋鲑(Salmo salar)的同源性分别为47％、47％和42％;与人(Homo sapiens)CCL19蛋白的同源性为37％.适应性进化分析发现,鲤与斑马鱼CCL-C5a的Ka/Ks小于1,说明CCL-C5a基因在鱼类的进化过程受到负选择压作用.本研究结果表明,鲤CCL-C5a主要在免疫器官上高表达,并受到脂多糖诱导表达上升;同时该基因在鱼类中受到负选择作用.这些结果提示CCL-C5a可能是一个与免疫相关的基因.