基于双模型渐进式的大口黑鲈投喂策略OA

针对大口黑鲈养殖过程中难以精确且自动调整投喂量的现状,该研究提出了一种基于双模型渐进式的大口黑鲈投喂策略。采用单场多轮投喂方式,采集每轮投喂中包括音频在内的多模态数据。使用动态自适应阈值分割方法来检测单轮音频中大口黑鲈的摄食音频,基于提取的摄食音频特征进行主成分分析获取总摄食特征;使用特征选择算法筛选出大口黑鲈投喂状态的敏感特征作为模型的输入,用于学习和分类。结果表明,特征选择算法筛选出的大口黑鲈投喂状态的敏感特征为总摄食特征、光照强度、水温、体质量和单轮投喂率;对比了原始特征集与敏感特征集在梯度提升决策树和随机森林上的分类性能差异,结果证明了敏感特征的有效性;基于Transformer-RC的投喂状态预测模型在1~3时间窗口上的表现均优于其他三种模型,平均准确率为0.93~0.94;5种集成学习模型在投喂状态分类方面优于3种基础模型,其中基于LightGBM的投喂状态分类模型性能表现最佳,平均准确率为0.98;双模型渐进式投喂策略在饲料需求优化模型辅助下指导投喂,饵料系数较传统投喂降低约40%。该研究可为开发智能投喂系统提供依据。