基于机器视觉的工厂化循环水养殖智能投喂策略OA北大核心CSTPCD
智能投喂策略是实现工厂化循环水养殖过程中饲料高效利用、降低养殖成本的关键。提出一种结合水面图像纹理判别和YOLOv5-BCH残饲检测的智能投喂策略。首先,以平静水面为基线,通过摄食过程水面图像纹理特征获得残饲识别帧;其次,通过采用BottleNet-CSP模块与CBAM模块分别对YOLOv5的Backbone和Neck端进行改进,增强了深度神经网络在空间和通道维度上的特征表示能力,且有效融合了多尺度特征。同时在Head部分设置3个微尺度检测头增强对水面小目标特征的捕捉能力,使mAP0.5、mAP0.5:0.95和精确率分别提升40.26%、15.59%和37.85%;最后,设计智能投喂系统并采用“试投+单轮多次”自适应投喂策略,有效降低了劳动力投入及饲料浪费。研究表明,该系统可代替人工实现全流程智能化投喂,为工厂养殖饲喂环节实现无人化提供参考。
李脉;李东升;郑吉澍;蒲德成;李佩原;韦秀丽;
重庆市农业科学院,重庆401329 西南山地智慧农业重点实验室(部省共建),重庆401329
水产学
智能投饲策略机器视觉深度学习残饲识别工厂化循环水养殖
《渔业现代化》 2024 (004)
P.1-13 / 13
重庆市技术创新与应用发展专项重点项目“加州鲈智能养殖工厂关键技术研究(CSTB2022TIAD-LDX0008)”;重庆市技术创新与应用发展专项重点项目“鱼菜共生智能工厂关键技术及装备研发(CSTB2022TIAD-ZXX0053)”;国家重点研发计划项目“绿色高效智能水产养殖工厂创制与应用(2022YFD2001700)”;山东省科技成果转移转化补助项目“加州鲈工厂化循环水养殖精准智能测控技术应用及示范(2022LYXZ012)”。
评论