一种非侵入式的循环水养殖鱼类主动式投饲方法及系统技术方案

本发明专利技术公开了一种非侵入式的循环水养殖鱼类主动式投饲方法及系统，系统可以包括深度摄像机、服务器、投饲机等。该系统主要利用机器视觉和深度学习算法对循环水养殖鱼类社群等级进行分析，继而耦合鱼群社群等级和个体间游泳策略特征，实现鱼群实时摄食欲望的表征，进而判定何时触发投饲。本发明专利技术的系统结构简单，方法简便有效，能在非侵入条件下实现养殖鱼类摄食欲望的实时量化，弥补了传统定时投喂(被动式投喂)方式的不足，在极大程度上确保了养殖对象摄食福利，提高了饲料效率，有利于养殖效益最大化。效益最大化。效益最大化。

【技术实现步骤摘要】
一种非侵入式的循环水养殖鱼类主动式投饲方法及系统


[0001]本专利技术属于循环水智能养殖领域，涉及一种适用于循环水养殖模式的智能 投饲技术，尤其涉及一种非侵入式的循环水养殖鱼类主动式投饲方法及系统。

技术介绍

[0002]水产养殖中提倡高效投喂，其关键是在特定时段内投喂适量的饲料，以满足 养殖对象特定生长率所需要的营养物质。目前关于高效投喂的研究大部分是基于 养殖对象理论摄食节律的，即定时投喂(被动式投饲)；事实上鱼类摄食节律受 养殖环境、个体大小以及群体内其他个体等多重因素影响。因此，根据鱼类实时 摄食欲望程度进行主动式投饲是保证精准化高效投喂的关键。
[0003][0004]已有研究利用鱼类学习能力结合Demand
‑
feeding系统实现对养殖对象的自 需式投喂，或是通过对鱼类在指定投喂区域内的主动聚集程度的分析来实现养殖 对象的实时自动投喂，然而该类方法需事先对养殖对象进行长期训练，主要用于 实验研究；且基于Demand
‑
feeding的自需式投喂会因其频繁的投喂刺激而造成 鱼类持续兴奋与警觉，继而导致体内皮质醇含量升高，影响其福利。研究表明动 物社群个体间会根据各自需求而达成决策妥协，且社群等级丰富度影响该决策妥 协的产生。这一现象在鱼群中亦得到体现：不同个体会根据自身营养状况调整自 身在鱼群中的位置和行为，且该类行为受个体自身所属社会等级影响；也正因如 此，鱼群中不同社群等级个体在相似摄食欲望程度下所表征行为特征并不相同。 由此可见，利用鱼群社群等级和个体间游泳策略特征对鱼群整体摄食欲望程度进 行表征理论上可行。
[0005]在上述背景的基础上，本专利技术提出了一种非侵入式的循环水养殖鱼类主动式 投饲系统，利用机器视觉和深度学习算法对循环水养殖鱼类社群等级进行分析， 继而耦合鱼群社群等级和个体间游泳策略特征，实现鱼群实时摄食欲望的表征， 进而判定何时触发投饲。本专利技术的系统结构简单，方法简便有效，能在非侵入条 件下实现养殖鱼类摄食欲望的实时量化，弥补了传统定时投喂(被动式投喂)方 式的不足，在极大程度上确保了养殖对象摄食福利，提高了饲料效率，有利于养 殖效益最大化。

技术实现思路

[0006]本专利技术的目的在于提供了一种非侵入式的循环水养殖鱼类主动式投饲系统， 可依据鱼群不同社群等级个体间的游泳策略变化特征实现鱼群实时摄食欲望的 精确表征，为循环水养殖智能投饲提供良好的技术支撑。
[0007]本专利技术采用的技术方案如下：
[0008]一种非侵入式的循环水养殖鱼类主动式投饲方法及系统，该方法首先利用机 器视觉和深度学习算法对循环水养殖鱼类社群等级进行分析，继而耦合鱼群社群 等级和个体间游泳策略特征，对鱼群实时摄食欲望进行表征，进而判定何时触发 投饲。
[0009]所述系统可以包括有养殖池、深度摄像机、服务器、补光灯、投饲机等；所 述的深度摄像机安装于养殖池正上方，并与服务器连接；同时服务器的输出端分 别连接补光灯和投饲机。
[0010]应用上述主动式投饲系统可通过分析鱼群不同社群等级个体间的游泳策略 变化特征来实现循环水养殖中鱼群实时摄食欲望的表征，并继而判定何时投饲。 具体包括如下步骤：
[0011](1)服务器触发深度摄像机对实时画面进行读取，并利用深度学习算法计 算出当前养殖池内鱼群个体体长(L)、体厚(T)信息；继而对鱼群个体体长 信息进行归一化：
①
当T
i
≤0.08L
i
时，
②
当T
i
＞0.08L
i
时， 其中1≤i≤N，N为当前养殖池内养殖对象数量， L
i
和T
i
分为第i个对象的体长和体厚，L
max
和L
min
分别表示当前养殖池内养殖对 象的最长体长和最短体长；
[0012](2)基于归一化的鱼群个体体长信息，量化鱼群个体社群等级：
①
高社群 等级个体：0.7≤L≤1；
②
中社群等级个体：0.3＜L＜0.7；
③
低社群等级个体：0＜L≤0.3；
[0013](3)步骤(1)和(2)每n天执行一次；
[0014](4)利用鱼群不同社群等级个体间的游泳策略变化特征对鱼群实时摄食欲 望程度进行表征：
[0015]鱼群实时摄食欲望采用下式表示：
[0016][0017]其中，A为取样t时间段内计算a
×
V
p
+a
×
V
s
+b
×
D
nnd
的平均值，如每间隔 25分钟取样5分钟；5分钟取样时间段内，每秒取1帧进行计算；A
full
为饱食投 喂后t时间段内计算a
×
V
p
+a
×
V
s
+b
×
D
nnd
的平均值，且有：
[0018][0019]1)参数其中L
h
和L
l
分别为高 社群等级个体和低社群等级个体的平均体长，V
flow
为当前养殖池水体平均流速；
[0020]2)变量其中其中D
h
、D
m
和D
l
分别表示高社群等级个体、中社群等级个体 以及低社群等级个体质心到投饲饲料水面覆盖区域几何中心点的欧式距离平均 值，L
m
为中社群等级个体的平均体长，N
h
、N
m
和N
l
分别表示高社群等级个体、 中社群等级个体和低社群等级个体的数量，N＝N
h
+N
m
+N
l
；
[0021]3)变量其中 D
hm
、D
mm
和 D
lm
分别表示高社群等级个体、中社群等级个体以及低社群等级个体的空间几何 中心在当前取样时间段内的移动距离，空间几何中心是指特定社群等级个体所组 成的小群体的几何中心；
[0022]4)变量其中 [0023]D
m
‑
h
表示高社群等级个体与中社 群等级个体的最邻近距离，D
l
‑
m
表示中社群等级个体与低社群等级个体的最邻近 距离，D
h
'、D
m
'和D
l
'分别为高社群等级个体、中社群等级个体和低社群等级 个体中不同个体与其最邻近同等级个体的空间距离平均值；
[0024]5)变量A
full
为a
×
V
p
+a
×
V
s
+b
×
D
nnd
由饱食投喂后第25至本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种非侵入式的循环水养殖鱼类主动式投饲方法，其特征在于，首先利用机器视觉和深度学习算法对循环水养殖鱼类社群等级进行分析；继而耦合鱼群社群等级和个体间游泳策略特征，对鱼群实时摄食欲望进行表征；根据表征结果对是否触发投饲进行判定。2.根据权利要求1所述的非侵入式的循环水养殖鱼类主动式投饲方法，其特征在于，利用机器视觉和深度学习算法对循环水养殖鱼类社群等级进行分析，具体包括：(1)深度摄像机对实时画面进行读取，并利用深度学习算法计算出当前养殖池内鱼群个体体长L、体厚T信息；继而对鱼群个体体长信息进行归一化：
①
当T
i
≤0.08L
i
时，
②
当T
i
＞0.08L
i
时，其中1≤i≤N，N为当前养殖池内养殖对象数量，L
i
和T
i
分为第i个对象的体长和体厚，L
max
和L
min
分别表示当前养殖池内养殖对象的最长体长和最短体长；(2)基于归一化的鱼群个体体长信息，量化鱼群个体社群等级：
①
高社群等级个体：0.7≤L≤1；
②
中社群等级个体：0.3＜L＜0.7；
③
低社群等级个体：0＜L≤0.3。3.根据权利要求1所述的非侵入式的循环水养殖鱼类主动式投饲方法，其特征在于，耦合鱼群社群等级和个体间游泳策略特征，对鱼群实时摄食欲望进行表征，具体为：鱼群实时摄食欲望采用下式表示：其中，A为取样t时间段内计算a
×
V
p
+a
×
V
s
+b
×
D
nnd
的平均值，A
full
为饱食投喂后t时间段内计算a
×
V
p
+a
×
V
s
+b
×
D
nnd...

【专利技术属性】
技术研发人员：赵建，魏丹，文彦慈，朋泽群，叶章颖，刘鹰，朱松明，
申请(专利权)人：浙江大学，
类型：发明
国别省市：