中农大国家数字渔业创新中心李道亮教授课题组在农林科学顶级期刊《BIOSYSTEMS ENGINEERING》发表论文

文摘   科学   2024-08-12 14:54   北京  

20248月,国际著名学术期刊《BIOSYSTEMS ENGINEERING》(农林科学1top期刊,IF: 4.4)在线发表了国家数字渔业创新中心主任、“科创中国”智慧农业产业服务团团长李道亮教授团队研究论文《Harnessing multimodal data fusion to advance accurate identification of fish feeding intensity》。李道亮教授和王聪副教授为通讯作者,杜壮壮和崔猛为学生第一作者。该研究工作得到“水产养殖工厂无人作业机器人创制(2022YFD2001703)”项目的资助。


引用格式Du Z, Cui M, Xu X, Bai Z, Han J, Li W, Yang J, Liu X, Wang C, Li D. Harnessing multimodal data fusion to advance accurate identification of fish feeding intensity. 2024, 246, https://doi.org/10.1016/j.biosystemseng.2024.08.001.

作者评述:水产养殖过程中投料方式的演变可概括为四个阶段:人工投料(图中a)、自动投料(图中b)、基于声学和视觉等单模态特征(图中c)以及本研究提出的多模态融合(图中d)。在大规模工厂化养殖或池塘养殖中,人工投喂方式每天都要搬运大量饲料,属于劳动密集型工作,需要耗费大量人力物力。自动喂食器的设计是通过预先设定喂食时间来喂食,虽然定时定量喂食在很多方面都有优势。不过,这种方法是建立在理想条件下的,即假设水生生物愿意在预定时间吃预定数量的食物。基于声学在一定程度上缓解了水生生物摄食的“自愿性”,但嘈杂环境的影响和水生环境的复杂性仍然难以确保饥饿感和摄食量之间的平衡。为了解决这些问题,该研究提出了鱼类摄食强度多模态融合(MFFFI)模型。MFFFI 模型首先从音频、视频和声学三种模态数据中提取深度特征。然后,采用图像拼接技术来融合这些提取的特征。最后,将融合后的特征通过分类器得出结果。基于多模态融合方法,可以有效优化投喂决策,为智能投喂系统的开发提供技术支持。

1产养殖饲养的演变与挑战

2:基于多模态融合的实时喂鱼系统

INPA
Information Processing in Agriculture (INPA)
 最新文章