池塘河蟹养殖精准投饵系统设计与试验

传统池塘河蟹养殖主要依靠渔民根据经验来估算投饵量,通过人工撑船投喂饵料,饵料利用率低且劳动强度大。由于河蟹具有领地意识且移动范围较小,池塘各处河蟹分布不均匀,因此河蟹养殖需要科学精准投饵。现有河蟹养殖投饵作业方式粗放,无法满足河蟹高效生态养殖需求。为了掌握河蟹生长规律,更加科学高效地投饵喂料,本文设计基于河蟹生长模型的精准投饵系统。利用灰色关联度分析法确定对河蟹生长发育影响最大的环境因子。在传统水产生物生长模型基础上,加入环境因子进行改进,从线性和指数两个角度对河蟹生长模型进行优化拟合。利用遗传算法（GA）-反向反馈神经网络（BP神经网络）(GA-BP神经网络)对精准投饵预测模型进行训练,通过输入水温、溶解氧含量、pH值等环境参数,推算出最佳环境影响因子数值。根据河蟹生长模型、养殖密度、养殖面积得出河蟹总质量,结合河蟹生长期存活率与投喂率便可得出总投饵量。根据池塘河蟹实际分布密度和水质参数,确定池塘各区域的饵料分配系数,将总投饵量科学地分配到池塘各个区域。通过仿真得出预测投饵量决定系数R²为0.990,预测模型具有较好的拟合效果。池塘投饵试验结果表明,基于河蟹生长...     

基于联动扩展神经网络的水下自由活蟹检测器研究

利用机器视觉技术检测池塘水下自由活蟹的形态位置和数量分布信息,是实现自动投饵船精准变量投喂的关键。本文设计了一种基于联动扩展卷积神经网络的实时轻量型水下活蟹检测器。首先,针对水下图像模糊和色彩不均的特点,以及稀疏分解后不同频率图像的信息组成特点,分别进行K-SVD降噪和Retinex色彩校正;然后,采用联动扩展网络宽度、深度和分辨率方式来协调精度和效率的轻量级Efficient Net作为主干网络;引入复合缩放因子,对堆叠两层加权双向特征金字塔结构的高效融合特征网络和堆叠三层卷积模块的类别/边界框预测网络进行全局联动扩展,以构建适用于有限资源的小型活蟹检测器;最后,在类别/边界框预测网络中利用正交Softmax层替代完全连接的分类层,确保检测器可从小样本数据中学习更多的区分特征,有效缓解小样本检测的过拟合问题。采用自建的20 625幅数据样本对检测模型进行训练和测试,实验表明,降噪、校正后的图像颜色均衡,且清晰度高,检测的平均交并比Iou提高近8个百分点。检测模型Efficient Net-Det0存储内存仅需15 MB,便可实现查准率96.21%和查全率94.86%,单幅图像检测延迟分别为10.6 ms(GPU)和35.0 ms(CPU)。浮点运算次数FLOPs减少至YOLOv3算法的1/15,CPU运行速度是其3倍,而准确性与YOLOv3算法相当,甚至略优。Efficient Net-Det0搭载在资源受限的自动投饵船上能够快速精准检测水下河蟹,并能实现对池塘自由活蟹分布的统计,为建立科学的投喂机制提供可靠的决策信息。