基于视觉与水质特征融合的鱼类摄食行为识别模型

摘要

【目的】提升工厂化水产养殖中鱼类摄食行为识别的准确度。【方法】本研究提出一种基于视觉和水质特征融合的鱼类摄食行为识别模型MC-ConvNeXtV2。为更好地捕捉不同聚集程度的全局特征和摄食行为的细节特征，在ConvNeXtV2-T的每个卷积阶段，引入空间区域感知的局部注意力机制(Context-aware local attention mechanism, Cloatt)；为提高模型在高密度养殖下的行为识别性能，设计多模态特征融合模块(Multimodal feature fusion module,MFFM)，以实现视觉特征与溶解氧、温度、pH等水质特征的自适应融合。在养殖密度为160尾/m3的大口黑鲈Micropterus salmoides养殖工厂中进行模型测试。【结果】测试结果表明，对于鱼群4种摄食行为分类任务，MC-ConvNeXtV2模型的识别准确率、精确率和召回率分别为96.89%、96.34%和96.59%，比ConvNeXtV2-T分别提升了3.11、2.42和2.72个百分点。【结论】本研究提出的鱼类摄食行为识别模型为智能化养殖管理提供了新思路。

关键词

水产养殖 / 鱼类摄食行为 / 多模态 / ConvNeXtV2