【技术实现步骤摘要】
一种基于ST
‑
GCN的鱼群摄食强度预测方法
[0001]本专利技术属于鱼类养殖投喂
，特别是涉及一种基于ST
‑
GCN的鱼群摄食强度预测方法。
技术介绍
[0002]目前，对鱼类摄食强度评估模型的研究主要分为两个方面：一是采用CNN分类算法对鱼群摄食行为图像进行识别，二是对图像中鱼群个体的行为进行特征提取，然后通过人为设计的摄食强度指数进行评估或者通过svm、lstm等算法进行时间序列预测。CNN分类算法在训练和预测过程中，每一帧图像相互独立，而非一条完整的时间序列，因此，模型只能学习到图像中鱼群空间位置的特征，却忽略了速度、转向角等同样与评估鱼群食欲息息相关的特征，当图像出现昏暗、对比度低，背景环境复杂，光线干扰等情况时，只通过学习图像特征往往难以取得良好的效果。目标检测算法也有很多局限性，由于鱼类养殖池环境往往十分复杂，存在有大量噪声、光线干扰、鱼群堆叠等现象，使得很难得到效果良好的鱼类前景；同时，目标检测算法会通过预处理将图像二值化，导致图像的颜色特征的缺失。除了目标检测算法...
【技术保护点】
【技术特征摘要】
1.一种基于ST
‑
GCN的鱼群摄食强度预测方法，其特征在于，包括以下步骤：构建特征提取模型并进行训练，将鱼群摄食行为视频图像输入到训练后的特征提取模型中进行时空特征提取，获得鱼群个体与时间序列一一对应的空间位置信息；获取摄食强度信息，基于所述摄食强度信息为所述空间位置信息做数据标注，获得标注后的空间位置信息；构建初始摄食强度预测模型，基于所述标注后的空间位置信息对所述初始摄食强度预测模型进行训练，获得目标摄食强度预测模型，基于所述目标摄食强度预测模型对鱼群的摄食强度进行预测。2.根据权利要求1所述的基于ST
‑
GCN的鱼群摄食强度预测方法，其特征在于，对鱼群摄食行为视频图像进行特征提取之前还包括：预设视频长度，将所述视频图像划分为满足预设视频长度的片段，获得鱼群摄食行为的数据集。3.根据权利要求2所述的基于ST
‑
GCN的鱼群摄食强度预测方法，其特征在于，对特征提取模型进行训练的过程包括：对所述数据集中的鱼群每个个体的头部进行标注，获得标注后的数据集，并将所述标注后的数据集输入到所述特征提取模型中进...
【专利技术属性】
技术研发人员：崔鸿武，赵海翔，吴元凯，崔正国，曲克明，
申请(专利权)人：中国水产科学研究院黄海水产研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。