循環(huán)水養(yǎng)殖游泳型魚類精準(zhǔn)投喂研究.pdf

1、循環(huán)水養(yǎng)殖條件下如何實(shí)現(xiàn)魚類精準(zhǔn)投喂不僅是生產(chǎn)管理上的難題，亦是實(shí)現(xiàn)福利化養(yǎng)殖需要解決的關(guān)鍵科學(xué)問題。本文以羅非魚為研究對象，從實(shí)際生產(chǎn)角度出發(fā)，針對循環(huán)水養(yǎng)殖模式下的游泳型魚類精準(zhǔn)投喂的相關(guān)基礎(chǔ)理論進(jìn)行了探索。通過計(jì)算機(jī)視覺、圖像處理和深度學(xué)習(xí)等技術(shù)手段分別對適用于循環(huán)水養(yǎng)殖游泳型魚類過程中的被動式投喂、主動式投喂以及非投喂?fàn)顟B(tài)下的光福利問題進(jìn)行了研究，其主要研究內(nèi)容和結(jié)果如下:
　　1.建立了兩種適用于不同養(yǎng)殖環(huán)境的無損、經(jīng)濟(jì)

2、且有效的精準(zhǔn)量化方法用于魚群投喂過程中的攝食活躍程度量化:1）借助于Lucas-Kanade光流和信息熵，利用魚群自身攝食行為特征對魚群整體攝食活躍程度進(jìn)行量化;2）借助于改進(jìn)動能模型，利用由魚群攝食行為引起的水體流場變化特征對魚群整體攝食活躍程度進(jìn)行量化。實(shí)驗(yàn)結(jié)果表明，本章所建立的兩種量化方法對于4種不同腸胃飽食指數(shù)（分別為20.35±10、117.28±10、179.72±10、286.33±10）下的羅非魚魚群攝食活躍程度均有較好

3、的量化效果，且性能優(yōu)于其他主流的魚群攝食活躍程度量化方法。此外，在上述研究基礎(chǔ)上提出了針對單輪多次投喂策略的投喂量決策方程;分析表明，該決策方程對于循環(huán)水養(yǎng)殖游泳型魚類過程中的高效投喂具有較強(qiáng)的理論指導(dǎo)作用。
　　2.提出了一種基于魚群自發(fā)群體行為的攝食欲望表征方法。該方法綜合利用魚群離散度、相互作用力以及水體流場變化程度信息對魚群的實(shí)時(shí)攝食欲望程度進(jìn)行量化和表征。實(shí)驗(yàn)結(jié)果表明，該方法對于5種不同的攝食欲望程度(分別為0.01、0

4、.52、1.28、2.26、2.92)均展現(xiàn)出了較好的表征效果，且其可靠性（最佳不匹配率為2.19±0.81％）和可行性也都得到了證明。
　　3.針對循環(huán)水養(yǎng)殖中具備表征魚群饑餓程度的魚群突發(fā)行為的監(jiān)測，分別提出了適用于魚群全局和局部突發(fā)行為的監(jiān)測方法。對于魚群全局突發(fā)行為的監(jiān)測，借助于粒子平流方案和改進(jìn)動能模型，相應(yīng)方法可在無需對魚群前景進(jìn)行分割的前提下，利用魚群空間分布和空間行為特征，實(shí)現(xiàn)魚群突發(fā)聚集行為和逃散行為的監(jiān)測。對于

5、魚群局部突發(fā)行為的監(jiān)測，借助于粒子平流方案、改進(jìn)運(yùn)動影響力圖和遞歸神經(jīng)網(wǎng)絡(luò)，相應(yīng)方法亦可在無需對魚群前景進(jìn)行分割的前提下，利用魚群運(yùn)動時(shí)空特征，實(shí)現(xiàn)三種典型的魚群局部突發(fā)行為的監(jiān)測。實(shí)驗(yàn)結(jié)果表明，相較于其他主流算法，本研究所建立的兩種魚群突發(fā)行為監(jiān)測方法對于相應(yīng)的魚群突發(fā)行為都展現(xiàn)出了更佳的監(jiān)測效果（全局突發(fā)行為監(jiān)測方法:平均準(zhǔn)確率97.20±1.23％、平均漏檢率0.61±0.08％;局部突發(fā)行為監(jiān)測方法:平均檢測準(zhǔn)確率98.91％、

6、平均定位準(zhǔn)確率91.67％、平均識別準(zhǔn)確率89.89％），且其性能和可行性也都得到了論證。
　　4.構(gòu)建了一種基于改進(jìn)深度卷積生成對抗網(wǎng)絡(luò)的活魚識別半監(jiān)督學(xué)習(xí)模型，用于循環(huán)水養(yǎng)殖模式下的魚群突發(fā)行為中的相關(guān)活魚個(gè)體“身份”量化。該模型從實(shí)際生產(chǎn)角度出發(fā)，充分考慮了實(shí)際水產(chǎn)養(yǎng)殖應(yīng)用中常見的樣本分辨率有限、樣本可標(biāo)記性低以及活魚成像姿態(tài)多樣化等問題，并最終實(shí)現(xiàn)可利用極少標(biāo)記樣本對實(shí)驗(yàn)數(shù)據(jù)庫中的活魚圖像進(jìn)行較高精度識別的功能。實(shí)驗(yàn)結(jié)果表

7、明，相較于多種基于卷積神經(jīng)網(wǎng)絡(luò)的活魚識別方法以及當(dāng)前基于生成對抗網(wǎng)絡(luò)的主流識別方法，本研究所建立模型無論在活魚識別精度上還是在訓(xùn)練速度上都展現(xiàn)出了更加優(yōu)異的性能:針對5％、10％、15％標(biāo)記樣本比例的Fish Recognition Ground-Truth數(shù)據(jù)庫和25％、50％和75％標(biāo)記樣本比例的Croatian Fish數(shù)據(jù)庫，其識別準(zhǔn)確率分別為80.52％、81.66％、83.07％和65.13％、78.72％、82.95％。<