中國水產(chǎn)科學研究院黃海水產(chǎn)研究所在魚群多目標跟蹤和行為識別領(lǐng)域取得新進展

　　近年來，人工智能（AI）已在水產(chǎn)養(yǎng)殖領(lǐng)域顯示出良好的應用前景。計算機視覺技術(shù)可以通過圖像的識別、處理和分析，實現(xiàn)養(yǎng)殖的精準化和智能化，但生產(chǎn)實際中，仍面臨受光照影響大、多目標檢測難、復雜場景處理難等技術(shù)瓶頸。針對以上技術(shù)難題，中國水產(chǎn)科學研究院黃海水產(chǎn)研究所海水陸基工廠化養(yǎng)殖創(chuàng)新團隊針對性開展了相關(guān)研究，突破了魚群多目標跟蹤和行為識別技術(shù)，研究成果發(fā)表在農(nóng)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(quán)發(fā)明專利1項。

 

　　針對養(yǎng)殖水環(huán)境中光線不足、魚群堆疊、魚類搶食產(chǎn)生水花等不利因素影響，基于多目標跟蹤算法ByteTrack，結(jié)合養(yǎng)殖環(huán)境特性、魚類行為習性以及復雜因素的形成機制，優(yōu)化了算法架構(gòu)；在保持樣本量不變的情況下，改良算法在處理不同密度魚群時的多目標跟蹤精度平均提升了21.3%，該項研究為魚類行為的定量分析提供了一種有效的方法。同時，該團隊為精準捕捉魚群行為狀態(tài)的變化，融合目標檢測、多目標跟蹤以及拓撲結(jié)構(gòu)轉(zhuǎn)換技術(shù)，對時空圖卷積網(wǎng)絡的輸入端進行了創(chuàng)新性改進；改進后的模型算法能夠清晰、準確的反映飼喂過程中魚群的時空動態(tài)變化，提出了一種基于時空圖卷積網(wǎng)絡的魚群攝食強度預測方法，為魚類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研發(fā)計劃項目（2022YFD2001701; 2023YFD2400400）及中國水產(chǎn)科學研究院基本科研業(yè)務費（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

 

　　專利號：ZL 2023 1 0009858.3