基于光流法的鱼群摄食状态细粒度分类算法

唐 宸，徐立鸿※，刘世晶

（1. 同济大学电子与信息工程学院，上海 201804；2. 中国水产科学研究院渔业机械仪器研究所，上海 200092）

0 引言

近年来，由于水产养殖产品需求量的日益增长，渔业养殖技术受到了越来越多的关注[1]。研究表明，科学、合理的饵料投放技术是确保鱼群健康生长的关键[2-3]，实际养殖过程中可以通过对鱼群的摄食状态进行分类来描述其摄食行为[4-5]，进而实现对鱼群摄食过程的实时监控[6-8]。此外，随着养殖规模的扩大，循环养殖系统（Recirculating Aquaculture System, RAS）逐渐成为渔业工厂化养殖的首选方案[9-10]。该系统装配了水流循环装置以确保水流的循环清洁，能够最大程度地保证水产养殖的可持续性[11]。因此，在循环养殖系统中研究鱼群的摄食状态分类算法，对在工厂化养殖中精细地描述鱼群的摄食行为、实现更加精准的投饵自动控制，具有重大意义。

目前，针对鱼群摄食状态分类算法的研究，可分为基于声学模型和基于视觉模型两类。如Juell等[12-13]通过声学传感器探测饵料的剩余情况以进一步分析鱼群当前的摄食状态；Masaló等[14]则通过声纳技术直接探测鱼群的游动状态，然而这些算法大多依赖于价格高昂的声学传感器而无法大规模应用于实际生产环境。相比之下，基于视觉模型的算法研究仅使用视频采集设备，成本相对较低，此类算法逐渐成为该领域的研究热点。Atoum等[15]和Li等[16]利用相关滤波技术跟踪单条鱼的游动情况进而分析鱼群整体的摄食状态，但这类鱼群跟踪算法较难处理鱼群遮挡情况，因此在养殖密度较大的循环养殖系统中不太适用。……