曹曉慧,劉 晃
(1上海海洋大學(xué)水產(chǎn)與生命學(xué)院,上海 201306;2 中國水產(chǎn)科學(xué)研究院漁業(yè)機(jī)械儀器研究所,上海 200092)
在水產(chǎn)養(yǎng)殖中,飼料成本約占總成本的60%~70%[1-2],飼料是決定水產(chǎn)養(yǎng)殖生產(chǎn)成本的主要因素之一[3]。隨著飼料成本的增加,提高飼料利用率成為研究的熱點(diǎn),許多養(yǎng)殖戶以自動(dòng)投飼設(shè)備替代了人工投喂,但投喂參數(shù)仍需依據(jù)養(yǎng)殖人員經(jīng)驗(yàn)進(jìn)行設(shè)定,存在主觀影響[4],不能依據(jù)養(yǎng)殖魚類對飼料的實(shí)時(shí)所需進(jìn)行投喂。準(zhǔn)確識別分析魚類攝食行為,可為優(yōu)化攝食量,降低飼料成本提供有價(jià)值的參考指標(biāo)。目前,魚類攝食行為監(jiān)測方法主要采用計(jì)算機(jī)視覺技術(shù)與聲學(xué)技術(shù),獲取、處理和分析魚類攝食的圖像、聲音等信息,以量化和識別魚類的攝食行為[5]。
為促進(jìn)智能投飼系統(tǒng)的開發(fā),達(dá)到實(shí)時(shí)按需投喂的目標(biāo),根據(jù)攝食行為反饋魚類的攝食活性強(qiáng)度,以此判斷魚類是否需要攝食,通過攝食行為的量化提取特征參數(shù)預(yù)測攝食模型是最有效的途徑之一。目前常見的建模方法有BP神經(jīng)網(wǎng)絡(luò)建模[4]、支持向量機(jī)(SVM)模型[6]、線性模型[7]等,但模型的準(zhǔn)確度普遍較低,這與攝食行為參數(shù)的獲取有很大的關(guān)系,魚類體質(zhì)差別、外界環(huán)境因素等都會(huì)干擾模型的準(zhǔn)確度[8]。
魚類攝食以維持生存、發(fā)育、生長和繁殖,其攝食行為可大致分為覓食、捕食和攝入3個(gè)步驟。攝食行為是由于感覺器官受內(nèi)外環(huán)境刺激而產(chǎn)生的行為,在覓食過程中需要多種感覺器官共同作用,不同魚類所使用的器官不盡相同。魚類經(jīng)過覓食對目標(biāo)食物進(jìn)行定位后,進(jìn)入捕食階段,在此期間會(huì)根據(jù)目標(biāo)狀況的不同而做出一系列的反應(yīng)。若捕食成功便開始進(jìn)食,其在咀嚼吞咽過程中發(fā)出的聲音是目前判斷攝食強(qiáng)度的難點(diǎn)和熱點(diǎn)。在這一系列完整的過程中,所產(chǎn)生的行為特征均為攝食行為特征,可作為判斷魚類攝食情況的依據(jù)。
(1)覓食
覓食主要指魚類如何發(fā)現(xiàn)食物并精準(zhǔn)定位,是捕食成功的關(guān)鍵。以往研究發(fā)現(xiàn),絕大部分魚類依靠視覺、嗅覺、味覺以及側(cè)線等感覺器官進(jìn)行覓食[9-10]。視覺對于生活在中上層的魚類尤為重要,其中狗魚(Esocidae)和竹莢魚(Trachurusjaponicus)是“視覺魚類”的典型代表。視覺作用與光照強(qiáng)度息息相關(guān),尤其在清水中,依靠視覺可獲得精確的定位。另外嗅覺和味覺是重要的化學(xué)感受器官,在所有魚類中普遍存在且具有較高的靈敏度,多種化學(xué)物質(zhì)都能夠引起魚類的嗅覺反應(yīng)[11],其發(fā)達(dá)程度可以由嗅覺上皮形狀加以判斷。味覺器官的味蕾,分布廣泛,其位置不僅限于口,例如幼小八目鰻(Lampetrajaponica)的皮膚就能感到鹽、酸、堿以及奎寧的刺激[12]。除此之外,味蕾的不同形態(tài)和分布與食性有很大關(guān)系[13]。側(cè)線為皮膚感覺器官中最高度分化的構(gòu)造,是魚類和兩棲類特有的感覺器官。鱖魚(Sinipercachuatsl)在視覺范圍受限時(shí),側(cè)線可發(fā)揮重要作用[14]。側(cè)線在半滑舌鰨(Cynoglossussemilaevis)攝食中的作用優(yōu)于嗅覺[15]。魚類依靠多種感受器官相互作用對所需食物進(jìn)行精確定位。
(2)捕食
正常游動(dòng)的魚群行為較為單一,一般都潛伏于水底,且游動(dòng)緩慢,但對于饑餓魚群,游動(dòng)迅速,且在攝食時(shí)常伴有水花。鮑寶龍等[16]發(fā)現(xiàn),饑餓暗紋東方鲀(Takifuguobscurus)仔魚在攝食時(shí)會(huì)伴有甩頭的動(dòng)作并前沖捕食;而點(diǎn)籃子魚(Siganusguttatus)在發(fā)現(xiàn)食物時(shí)也會(huì)從四面八方蜂擁而至[17]。除此之外,魚群中的顏色、形態(tài)、面積及同時(shí)攝食魚群的數(shù)量會(huì)因攝食強(qiáng)度的不同而有所差異[6,18]。為了量化魚群的攝食行為特征,目前已有根據(jù)魚群面積及水花面積來判斷魚群攝食強(qiáng)度的研究。在魚類捕食過程中大多都會(huì)有潛伏、追蹤、攻擊的行為以獲得食物,裴一凡等[19]采用錄像分析確定攝食階段餌料魚與太平洋柔魚(Todarodespacificus)的相對位置,測得最頻繁的攻擊距離為2~3倍酮體長,此階段還有魚體顏色變深且身體收縮的特征。除響應(yīng)距離外,陳劍明等[20]還以不同生長階段黑點(diǎn)青鳉魚(Oryziasmelastigma)的攝食效率、攝食成功率及攝食量等參數(shù)進(jìn)行了分析,以確定各個(gè)階段的攝食能力。按照攝食時(shí)攻擊方式的不同可分為S型攻擊型和咬食攻擊型[21],S型攻擊型特征主要為身體彎曲呈“S”型,且攻擊力強(qiáng),可隨食物的變動(dòng)而做出相應(yīng)的調(diào)整,始終保持最佳攻擊位置,例如真鯛(Pagrusmajor)、牙鲆(Paralichthysolivaceus)等早期仔魚。咬食攻擊型即發(fā)現(xiàn)食物后調(diào)整攻擊位置直接捕食,如真鯛后期仔魚,可見魚群在攝食時(shí)身體的彎曲程度與攝食能力呈負(fù)相關(guān)。
(3)攝入
魚類在捕食成功后便可食用食物,其間因水動(dòng)力因素、鰓蓋及口腔的劇烈運(yùn)動(dòng)以及咀嚼時(shí)牙齒摩擦而產(chǎn)生聲音。目前對于魚類攝食聲信號的研究尚淺,尤其對于聲信號的采集與數(shù)據(jù)處理較為復(fù)雜,以分析魚類攝食過程中的頻域與時(shí)域最為常見。鯉魚攝食聲的頻率范圍較寬,約0 ~20 kHz,其中4~10 kHz的頻率較強(qiáng)[22],而人工養(yǎng)殖的凡納濱對蝦,頻率范圍大約為3~40 kHz[23]。除此之外,還會(huì)聽到魚類攝食時(shí)獨(dú)特的聲音,例如大黃魚(Larimichthyscrocea)在吞食時(shí)會(huì)發(fā)出“咯咯”的聲音,同時(shí)伴隨著水體氣泡破裂的聲音[24- 25],虹鱒(Oncorhynchusmykiss)喂食期間會(huì)有“咔嗒聲”和“刮擦聲”,喂食后還會(huì)聽到“隆隆聲”和“嘶啞聲”[26],斑節(jié)對蝦(Penaeusmonodon)攝食時(shí)會(huì)有明顯的“咔噠聲”[26]。目前已有研究發(fā)現(xiàn),魚類攝食聲信號特征與攝食強(qiáng)度有關(guān)[28],可以此判斷養(yǎng)殖對象的攝食情況,提高飼料攝食效率。
光照因素是一個(gè)復(fù)雜的生態(tài)因子,不同的光照強(qiáng)度、光照周期、光譜都會(huì)對魚類的攝食、生殖、生長、發(fā)育等方面有顯著的影響。光照強(qiáng)度與攝食量之間存在具有峰值的攝食曲線和S型攝食曲線兩種模型[29]。也有部分魚類對光照較為敏感,如用強(qiáng)光照射日本鰻鱺(Anguillajaponica)仔魚時(shí),仔魚會(huì)迅速游入缸底[30]。除此之外,光照周期的長短可以影響魚類的日攝食節(jié)律,李寶山等[31]發(fā)現(xiàn)隨著光照周期的縮短,大菱鲆(Scophthatmusmaximus)幼魚的攝食率也隨之降低。但史氏鱘(Acipenserschrenckii)稚魚[32]與15日齡斜帶石斑魚(Epinepheluscoioides)[33]的攝食并不受光照周期的影響,說明部分魚類的攝食節(jié)律不易被改變。大多數(shù)魚類都具有視錐與視柱兩種感光細(xì)胞,也因此認(rèn)為魚類具有色覺,王萍等[34]發(fā)現(xiàn)藍(lán)光對美國紅魚(SciaenopsOcellatus)的攝食影響最大,并對中強(qiáng)度的紅光和橙光呈正趨性。除此之外,不同的內(nèi)外環(huán)境也會(huì)影響適宜的光照范圍,保證適宜光照的前提是保持穩(wěn)定的內(nèi)外環(huán)境。
對于水生生物,水溫是最重要的環(huán)境因素之一,魚類體溫會(huì)隨環(huán)境溫度的改變而改變,但大多數(shù)魚類只能忍受較小范圍的溫度變化。溫度變化是典型的鐘形曲線,如鯉魚在28℃左右攝食量達(dá)到峰值后逐漸下降,當(dāng)水溫低于6℃時(shí)鯉魚停止攝食[35],大西洋鱈魚(Gadusmorhua) 幼魚在水溫14℃和16℃時(shí)生長狀況最好[36]。另外因品種、種群或棲息地域的不同,對溫度的耐受范圍有很大的不同,Walberg等[37]發(fā)現(xiàn)當(dāng)水溫升高2℃時(shí),黑鮰(Ameiurusmelas)的攝食次數(shù)減少了35%,但黑斑刺蓋太陽魚(Pomoxisnigromaculatus)的攝食次數(shù)卻增加了22.2%。體溫的變化會(huì)影響酶的活性、消化率、吸收率及其他生理生化反應(yīng),另外魚類的最適溫度并不是穩(wěn)定不變的,因魚類對環(huán)境具有一定的適應(yīng)能力,若長時(shí)間生長在不同溫度下,其最適溫度及耐溫范圍也會(huì)有所改變。
鹽度與個(gè)體的滲透壓息息相關(guān),鹽度的變化會(huì)引起存活率、攝食、呼吸代謝等生理指標(biāo)的變化[38]。姜志強(qiáng)等[39]發(fā)現(xiàn),美國紅魚幼魚在鹽度為0時(shí),存活率較低,當(dāng)鹽度為16時(shí),存活率100%,且攝食強(qiáng)度最高。鹽度同樣會(huì)影響魚類的開口率,當(dāng)鹽度為52時(shí),條紋鋸鮨(Centropristisstriata)仔魚的開口率與攝食強(qiáng)度均接近于0[40]。部分魚類適應(yīng)鹽度的能力較強(qiáng),如斜帶石斑魚(Epinepheluscoioides)在鹽度為0時(shí),72 h內(nèi)幼魚全部死亡;鹽度為4時(shí),基本不攝食,但3 d后就會(huì)開始攝食[41]。所以保持適宜的鹽度范圍,可提高魚類攝食的積極性,如海洋青鳉魚(Oryziasmelastigma)在鹽度15~25,水溫25℃的條件下,攝食最為活躍[42]。鹽度不僅與攝入食物能量改變有關(guān),還與能量利用效率有關(guān)。因?yàn)辂}度過高或過低時(shí),個(gè)體需耗費(fèi)額外的能量來等滲調(diào)節(jié),但在等滲點(diǎn)附近時(shí),滲透壓最低,耗能最少,對魚體的影響最小。
適當(dāng)?shù)酿B(yǎng)殖密度在減少氧氣消耗的同時(shí),可達(dá)到最好的生長率和存活率,養(yǎng)殖密度能引起養(yǎng)殖對象的應(yīng)激反應(yīng),從而影響攝食、生長等。任華等[43]發(fā)現(xiàn),雖然養(yǎng)殖密度越高,個(gè)體的攝食積極性越高,但當(dāng)養(yǎng)殖密度超過0.7萬尾/m3時(shí),雜交鱘仔魚的生長反而下降。不同品種之間所能適應(yīng)的養(yǎng)殖密度不同,不能出現(xiàn)過高或過低的養(yǎng)殖密度。對于中華鱘(AcipensersinensisGray),高密度養(yǎng)殖對其攝食及行為存在明顯的負(fù)面影響[44]。雖然高密度養(yǎng)殖的群體攝食積極性較高,適應(yīng)力較強(qiáng),但會(huì)因擁擠而產(chǎn)生個(gè)體間頻繁碰撞引起的急躁行為,影響正常攝食,但低養(yǎng)殖密度的個(gè)體適應(yīng)能力弱且易受外界環(huán)境的干擾和驚嚇。
3.1.1 基于可見光
近年來,計(jì)算機(jī)視覺技術(shù)因可實(shí)時(shí)、廣泛、非接觸地監(jiān)測魚類行為,在水產(chǎn)養(yǎng)殖中得到了廣泛的應(yīng)用[45]。因人工處理圖像數(shù)據(jù)的繁雜和誤差,Cline等[46]與Zion等[47]引入了視頻圖像自動(dòng)處理系統(tǒng),雖然識別分類精度達(dá)98%,但出現(xiàn)重疊和魚體顏色與背景相似等情況時(shí)可能會(huì)存在誤差[48]。Cha等[49]利用傳統(tǒng)的記錄攝像機(jī)和計(jì)算機(jī)圖像處理系統(tǒng),提出粒子圖像測速(PIV)法測量魚類的位置及游動(dòng)速度,但因魚體離鏡頭的距離以及水深不同也會(huì)造成誤差。為得到魚類更多的行為特征參數(shù),Stien等[50]與Petrell等[51]利用個(gè)體追蹤法研究了魚類的垂直分布與行為活動(dòng)節(jié)律,但由于追蹤個(gè)體魚體在后期易被遮擋,導(dǎo)致數(shù)據(jù)處理難度加大,且準(zhǔn)確率低,不適宜于商業(yè)養(yǎng)殖的高密度環(huán)境,目前已由個(gè)體追蹤轉(zhuǎn)為群體分析。Liu等[52]基于計(jì)算機(jī)視覺技術(shù)測量了大西洋鮭魚群體攝食活動(dòng),并用攝食活動(dòng)指數(shù)(CVFAI)來控制投飼系統(tǒng)的啟停。另外魚群在攝食時(shí)會(huì)集群游到水面進(jìn)行搶食,造成水面的波動(dòng)和反光,依據(jù)此特點(diǎn),趙健等[53]改進(jìn)動(dòng)能模型,對反光區(qū)域特征進(jìn)行統(tǒng)計(jì)分析,最終結(jié)合反光區(qū)域的變化幅度信息對魚群的攝食強(qiáng)度進(jìn)行評估。但此方法不適用于養(yǎng)殖體體格小、規(guī)模較小的養(yǎng)殖,因其攝食時(shí)無法引起明顯的水面波動(dòng)與反光,并且反光物質(zhì)也會(huì)存在干擾。除此之外,胡利永等[54]提取魚群的圖像特征和水花面積特征參數(shù),利用擬合函數(shù)建立計(jì)算模型,投飼量的多少由魚群面積比率的變化量決定,但是水面波動(dòng)與反光會(huì)給后期數(shù)據(jù)處理帶來困難。為解決水面波動(dòng)和水花的干擾,陳彩文等[55]提出了基于圖像紋理的魚群攝食自動(dòng)監(jiān)測識別方法,共提取了13個(gè)紋理特征,運(yùn)用SVM算法對結(jié)果進(jìn)行分類識別,精度可達(dá)到96.5%。為進(jìn)一步提高判斷的精確度,郭強(qiáng)等[56]在魚群圖像形狀及紋理特征的基礎(chǔ)上,計(jì)算形狀參數(shù)與圖像熵利用BP神經(jīng)網(wǎng)絡(luò)建模,檢測識別魚群的攝食強(qiáng)度,但缺乏考慮外界環(huán)境對攝食行為的影響。計(jì)算機(jī)視覺技術(shù)的研究目前比聲學(xué)技術(shù)較為深入,比如挪威AKVA公司的AKvasmart CCS自動(dòng)投飼系統(tǒng),便是基于計(jì)算機(jī)視覺技術(shù),同時(shí)對40個(gè)網(wǎng)箱遠(yuǎn)程投飼,喂料量可達(dá)11 520 kg/h,輸送距離可達(dá)1 400 m。
3.1.2 基于紅外光
可見光一般適用于實(shí)驗(yàn)室、網(wǎng)箱等光照條件較好的養(yǎng)殖設(shè)施,但大多現(xiàn)實(shí)養(yǎng)殖設(shè)施并非具有此條件。近紅外光成像技術(shù)可不受光照強(qiáng)度的影響,在相對黑暗條件下也能達(dá)到較好的成像效果,適用于識別光照條件差的養(yǎng)殖設(shè)施[57-58],且成本低,易于開發(fā)。Zhou等[59]利用近紅外光成像技術(shù),并對圖像進(jìn)行處理獲得二值圖像,為消除水花飛濺和反光的影響,利用支持向量機(jī)、反射幀等方法進(jìn)行去除,根據(jù)三角剖分法計(jì)算魚群攝食行為的聚集指數(shù)(FIFFB),以此量化攝食行為,且與人為經(jīng)驗(yàn)測量的相關(guān)系數(shù)達(dá)0.945。隨后Zhou等[60]又建立自適應(yīng)網(wǎng)絡(luò)模糊推理系統(tǒng)(ANFIS),實(shí)現(xiàn)了基于魚食欲的自動(dòng)投喂策略,結(jié)果表明該模型進(jìn)食精確度達(dá)98%,同時(shí)有效降低了飼料成本。事實(shí)上,近紅外系統(tǒng)已經(jīng)普遍運(yùn)用于水產(chǎn)養(yǎng)殖中生物量、2D、3D的跟蹤,并取得了非常好的效果[61]。
3.2.1 聲學(xué)監(jiān)測
通過監(jiān)測魚類的發(fā)聲特征來監(jiān)測攝食行為的方式被稱為被動(dòng)聲學(xué)識別。在海洋中,很多水生生物都以聲音進(jìn)行信號交流,目前發(fā)現(xiàn)鯨、豚等哺乳動(dòng)物,鼓蝦(Alpheidae),魚類中尤其是石首魚科發(fā)聲特征較為明顯。同為石首魚科的大黃魚和黃姑魚都會(huì)發(fā)出類似豬的“哼”叫聲[62]。對魚類進(jìn)行長期聲學(xué)監(jiān)測還可以此推斷周期性繁殖行為、攝食行為等。研究發(fā)現(xiàn),凡納濱對蝦的攝食聲特征可以衡量攝食活性強(qiáng)度,根據(jù)攝食聲脈沖的數(shù)量與特征頻率估算飼料的消耗量[63]。另外對大菱鲆攝食聲音研究發(fā)現(xiàn),其攝食聲音與食欲存在線性關(guān)系[28]。聲學(xué)技術(shù)雖然能夠避免光照因素的影響,但背景噪聲是影響魚類攝食行為精確識別最主要的因素,湯濤林等[64]構(gòu)建聲學(xué)監(jiān)測平臺,發(fā)現(xiàn)羅非魚攝食頻率范圍為0~6 kHz,可與背景噪聲區(qū)分開來,且聲功率與攝食活性呈正相關(guān)。另外在7~10 kHz頻率范圍內(nèi),大比目魚攝食聲信號受背景噪聲影響較小,且變化幅度為15~20 dB[65]。上述雖然利用攝食聲特征來評估魚類的攝食活性,但還需提高該方法的準(zhǔn)確性,減少環(huán)境噪聲和其他隨機(jī)噪聲的影響。基于聲學(xué)監(jiān)測技術(shù)少數(shù)國家已成功研發(fā)了能夠更好滿足魚類攝食所需,更智能的投飼系統(tǒng),加拿大Feeding Systems公司生產(chǎn)的The peney自動(dòng)投飼設(shè)備,通過聲波傳感監(jiān)測養(yǎng)殖對象的活動(dòng)跡象來控制投飼系統(tǒng)的始停;挪威CageEye公司的自動(dòng)飼喂系統(tǒng)從生物和環(huán)境數(shù)據(jù)聲吶傳感器收集數(shù)據(jù),再使用智能算法和“學(xué)習(xí)機(jī)制”來分析數(shù)據(jù),進(jìn)而做出投喂反饋,使飼喂性能提高至少10%。
3.2.2 聲吶成像
除攝食聲信號特征外,聲吶成像技術(shù)近年來在漁業(yè)聲學(xué)中取得了很大的進(jìn)展,利用聲學(xué)傳感系統(tǒng)獲取未被攝食飼料的聲吶圖像[66],基于自動(dòng)投飼系統(tǒng)的開發(fā)。在識別聲吶系統(tǒng)中,雙頻識別聲吶系統(tǒng)在12 m內(nèi)可獲得接近視頻的清晰圖像,可確定魚體游動(dòng)的幅度以及能見度為零時(shí)游動(dòng)的方向,彌補(bǔ)了聲吶與光學(xué)系統(tǒng)之間的差距,已被應(yīng)用于水壩附近鮭魚行為監(jiān)測中[67]。聲吶成像技術(shù)與光學(xué)圖像處理方法相似,但前者還包括回波強(qiáng)度、能量等信息,比光學(xué)圖像包含的信息更豐富。一些研究表明,魚群的密度與空間分布可反應(yīng)魚類的食欲,可采用聲學(xué)重建魚群體積,分析魚群的數(shù)量、分布、長度等特征[68-70],尤其對于高密度養(yǎng)殖,聲吶成像技術(shù)能夠更好地監(jiān)測魚類行為以及生物量的估算。
雖然計(jì)算機(jī)視覺技術(shù)在魚類行為識別中運(yùn)用廣泛,但在采集魚群圖像時(shí)易受目標(biāo)環(huán)境的影響,魚體在不同背景下成像狀態(tài)有所不同,其圖像的顏色、紋理、形狀等特征表達(dá)都會(huì)發(fā)生變化。目前單特征分析局限較大[71],不能對攝食行為進(jìn)行多角度、全方位的觀察分析。可見光對養(yǎng)殖設(shè)施的光照強(qiáng)度要求較高,雖然使用近紅外成像有所彌補(bǔ)[59],但在黑暗且水質(zhì)混濁狀況下仍無法使用。在聲學(xué)監(jiān)測中常以水聽器為信號采集設(shè)備[72],其操作簡單且靈敏度高??蓪?shí)時(shí)顯示監(jiān)測到頻率、能量、波形等,但易受環(huán)境等非攝食聲音的干擾,在高密度養(yǎng)殖中還需避免魚體撞擊水聽器。聲吶成像系統(tǒng)也同樣會(huì)受噪聲的影響,然而雙頻識別聲吶系統(tǒng)由于靈敏度高,不必再進(jìn)行降噪處理[67],但掃描影像比較狹窄。由于水下環(huán)境復(fù)雜導(dǎo)致多目標(biāo)跟蹤與光學(xué)成像相比更加復(fù)雜,計(jì)算量更大,并且經(jīng)典的多目標(biāo)跟蹤算法并不適用于魚類的多目標(biāo)跟蹤,主要面臨的問題為背景噪聲、目標(biāo)運(yùn)動(dòng)隨機(jī)性導(dǎo)致的交叉與消失等狀況引起觀測量的不確定。
隨著計(jì)算機(jī)處理速度的不斷提升以及圖像處理算法的不斷優(yōu)化,計(jì)算機(jī)視覺技術(shù)在魚類攝食行為識別方面得到很大提高,聲學(xué)技術(shù)可對水體內(nèi)魚類的數(shù)量、空間位置以及行為進(jìn)行識別。兩種技術(shù)具體優(yōu)缺點(diǎn)如表1所示。
表1 計(jì)算機(jī)視覺技術(shù)與聲學(xué)技術(shù)的優(yōu)缺點(diǎn)
目前攝食模型研究大多停留在理論上,并未與實(shí)踐結(jié)合。雖然數(shù)學(xué)模型對于評估整個(gè)魚群的采食量非常有用,但需要人為建立食物攝取量與影響因素之間的映射關(guān)系,易受到主觀經(jīng)驗(yàn)的影響[4]。另外在提取特征參數(shù)時(shí),不能考慮多種因素的影響,如不同生長階段、不同體格、不同水環(huán)境等因素都會(huì)致使攝食量與攝食活性的差異。導(dǎo)致攝食模型的普遍化低,準(zhǔn)確率不穩(wěn)定。
聲信號采集中存在很多復(fù)雜的背景噪聲,需利用濾波進(jìn)行處理,才能更好地提取攝食聲信號特征[73],但濾波方式多種多樣,尤其對于水聲信號,需要獲得效果較好的濾波方法。除在后期數(shù)據(jù)處理上進(jìn)行修正外,也可建立消音室,如在生活中許多建筑追求隔音效果,會(huì)安裝雙層隔空玻璃、隔音墻等,除此之外可將操作設(shè)備移至控制室,減少設(shè)備干擾。
為進(jìn)一步提高系統(tǒng)對攝食行為判斷的準(zhǔn)確性,可利用聲學(xué)監(jiān)測技術(shù)與計(jì)算機(jī)視覺技術(shù)相結(jié)合。除此之外,在圖像信息中充分利用圖像特征所表達(dá)的多種信息,使不同特征之間相互互補(bǔ),可獲得穩(wěn)定性強(qiáng)、抗干擾能力好的檢測效果。另外,在監(jiān)測過程中需保持內(nèi)部和外部環(huán)境的穩(wěn)定性,防止因目標(biāo)環(huán)境變動(dòng)而引起數(shù)據(jù)差異。包括水質(zhì)、水溫等水環(huán)境以及外部環(huán)境材料等,可建立全天候、多方位、智能化養(yǎng)殖水質(zhì)監(jiān)測設(shè)備,避免反光材料等措施。
隨著大數(shù)據(jù)時(shí)代的到來,數(shù)據(jù)處理具有更加高速率、高可靠、低時(shí)延等特點(diǎn),為更多智能化設(shè)備提供了新的發(fā)展機(jī)遇,尤其對自動(dòng)投飼系統(tǒng)軟件靈敏度的提升。目前為提高投飼系統(tǒng)啟停判斷的準(zhǔn)確性,已采用智能化算法替代傳統(tǒng)算法,可自動(dòng)建立采食量與環(huán)境因素的映射關(guān)系。但考慮的影響因素仍不夠全面,在不同環(huán)境、不同生長階段攝食行為會(huì)發(fā)生明顯的變化。對水產(chǎn)養(yǎng)殖而言養(yǎng)殖用水是否適宜于養(yǎng)殖對象是成功的關(guān)鍵,因此可在預(yù)測模型中添加參數(shù)對環(huán)境因素進(jìn)行規(guī)范,這樣可在適宜的養(yǎng)殖環(huán)境中對參數(shù)進(jìn)行調(diào)節(jié)提高模型的準(zhǔn)確性與普遍性。
目前對于魚類攝食行為的研究仍不夠深入,主要由于環(huán)境的復(fù)雜性和魚類行為的不確定性,導(dǎo)致識別攝食行為的準(zhǔn)確性較低。雖然計(jì)算機(jī)視覺技術(shù)對于魚類的攝食行為量化有很大的提升,但對于投飼系統(tǒng)的軟件開發(fā)仍停留在理論研究階段,怎樣將技術(shù)與裝備研發(fā)相結(jié)合是未來解決問題的關(guān)鍵。國內(nèi)關(guān)于魚類攝食聲學(xué)研究仍處于起步階段,對少數(shù)水生生物攝食聲研究發(fā)現(xiàn),其特征與攝食活性密切相關(guān),但未得出具體攝食模型。挪威三文魚投飼系統(tǒng)已利用被動(dòng)聲學(xué)實(shí)現(xiàn)自動(dòng)投喂,但此系統(tǒng)僅限于三文魚?;陴B(yǎng)殖魚類攝食聲的被動(dòng)聲學(xué)研究將有望突破投飼系統(tǒng)智能化的瓶頸,但需針對特定種類和特定養(yǎng)殖環(huán)境對其進(jìn)行被動(dòng)聲學(xué)的研究,尋找攝食聲信號特征與養(yǎng)殖魚類攝食活性間的相關(guān)性,建立準(zhǔn)確的攝食模型,達(dá)到實(shí)時(shí)按需投喂,實(shí)現(xiàn)投飼系統(tǒng)由機(jī)械化走向智能化。
□