近年來(lái)，人工智能（AI）已在水產(chǎn)養殖領(lǐng)域顯示出良好的應用前景。計算機視覺(jué)技術(shù)可以通過(guò)圖像的識別、處理和分析，實(shí)現養殖的精準化和智能化，但生產(chǎn)實(shí)際中，仍面臨受光照影響大、多目標檢測難、復雜場(chǎng)景處理難等技術(shù)瓶頸。針對以上技術(shù)難題，中國水產(chǎn)科學(xué)研究院黃海水產(chǎn)研究所海水陸基工廠(chǎng)化養殖創(chuàng )新團隊針對性開(kāi)展了相關(guān)研究，突破了魚(yú)群多目標跟蹤和行為識別技術(shù)，研究成果發(fā)表在農業(yè)工程領(lǐng)域國際知名期刊Biosystems Engineering和Aquacultural Engineering上，并獲國家授權發(fā)明專(zhuān)利1項。

針對養殖水環(huán)境中光線(xiàn)不足、魚(yú)群堆疊、魚(yú)類(lèi)搶食產(chǎn)生水花等不利因素影響，基于多目標跟蹤算法ByteTrack，結合養殖環(huán)境特性、魚(yú)類(lèi)行為習性以及復雜因素的形成機制，優(yōu)化了算法架構；在保持樣本量不變的情況下，改良算法在處理不同密度魚(yú)群時(shí)的多目標跟蹤精度平均提升了21.3%，該項研究為魚(yú)類(lèi)行為的定量分析提供了一種有效的方法。同時(shí)，該團隊為精準捕捉魚(yú)群行為狀態(tài)的變化，融合目標檢測、多目標跟蹤以及拓撲結構轉換技術(shù)，對時(shí)空圖卷積網(wǎng)絡(luò )的輸入端進(jìn)行了創(chuàng )新性改進(jìn)；改進(jìn)后的模型算法能夠清晰、準確的反映飼喂過(guò)程中魚(yú)群的時(shí)空動(dòng)態(tài)變化，提出了一種基于時(shí)空圖卷積網(wǎng)絡(luò )的魚(yú)群攝食強度預測方法，為魚(yú)類(lèi)食欲評估和精準投飼提供新的視角和技術(shù)支持。

在讀碩士研究生趙海翔為兩篇論文的第一作者，崔正國研究員和慕尼黑工業(yè)大學(xué)吳元凱助理研究員為Biosystems Engineering論文的共同通訊作者，崔鴻武助理研究員為Aquacultural Engineering論文的通訊作者。研究工作得到了國家重點(diǎn)研發(fā)計劃項目（2022YFD2001701; 2023YFD2400400）及中國水產(chǎn)科學(xué)研究院基本科研業(yè)務(wù)費（2023TD53）等項目資助。

全文鏈接：

https://doi.org/10.1016/j.biosystemseng.2024.02.011

https://doi.org/10.1016/j.aquaeng.2024.102409

專(zhuān)利號：ZL 2023 1 0009858.3

基于ByteTrack算法的魚(yú)群跟蹤修正模塊

基于慢快網(wǎng)絡(luò )和時(shí)空圖卷積網(wǎng)絡(luò )的魚(yú)群個(gè)體和整體行為識別

改進(jìn)了輸入端的時(shí)空圖卷積神經(jīng)網(wǎng)絡(luò )