期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于MobileViT-CBAM-BiLSTM的开放式养殖环境鱼群摄食强度分类模型
被引量：
2
1
作者
徐立鸿
黄志尊
+2 位作者
龙伟
蒋林华
童欣
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第11期147-153,共7页
鱼群摄食的精准投喂技术是实现智慧化水产养殖的一项关键技术。大多数精准投喂模型都是基于水质较清晰的室内养殖池,不太适用于开放式养殖环境。本研究通过水上视角采集构建了一套开放式池塘数据集,并对数据集进行数据增强增加其多样性...
鱼群摄食的精准投喂技术是实现智慧化水产养殖的一项关键技术。大多数精准投喂模型都是基于水质较清晰的室内养殖池,不太适用于开放式养殖环境。本研究通过水上视角采集构建了一套开放式池塘数据集,并对数据集进行数据增强增加其多样性,然后在轻量化神经网络MobileViT基础上,将CBAM注意力模块与MV2模块结合设计了CBAM-MV2模块,并嵌入BiLSTM循环神经网络用于识别分类,提出改进的MobileViT-CBAM-BiLSTM模型,提高了模型预测能力、鲁棒性和泛化性能,实现了鱼群摄食行为的三分类。实验结果显示,改进后MobileViT在采集的视频帧数据集上明显优于改进前的MobileViT,准确率98.61%,宏F1值达98.79%,相对于原始MobileViT准确率提高6.33个百分点,宏F1值提高6.75个百分点。
展开更多
关键词
鱼群摄食强度分类模型
精准投喂
MobileViT
BiLSTM
CBAM
在线阅读
下载PDF
职称材料
基于轴向特征校准和时间段网络的鱼群摄食强度分类模型研究
2
作者
徐波
袁红春
《南方水产科学》
CAS
CSCD
北大核心
2024年第6期145-154,共10页
传统的水产养殖通过定量投喂或依靠人工经验投放饲料,易导致喂食不均、饲料浪费和环境污染等问题。旨在设计一种用于识别鱼群摄食强度的模型以提升投喂效率,减少污染。以时间段网络作为基础模型,捕捉鱼群长时间序列的摄食行为变化,加入...
传统的水产养殖通过定量投喂或依靠人工经验投放饲料,易导致喂食不均、饲料浪费和环境污染等问题。旨在设计一种用于识别鱼群摄食强度的模型以提升投喂效率,减少污染。以时间段网络作为基础模型,捕捉鱼群长时间序列的摄食行为变化,加入时间移位操作,更细致地捕捉视频相邻帧之间的动态变化特征,并通过轴向特征校准自适应地调整特征,使模型能够更加精确地关注到鱼群摄食行为的不同轴向变化特征。实验表明,设计的模型相较于二维卷积网络(TSN),平均准确率提升10.0%,参数量仅提升5.2%;相较于三维卷积网络(C3D),平均准确率提升0.9%,参数量下降67.3%;相较于以Transformer为架构的Swin Transformer模型,平均准确率提升4.1%,参数量下降9.2%。表明设计的模型对于鱼群摄食强度识别分类更加准确,为制定鱼群的精确投喂策略提供了科学依据。
展开更多
关键词
鱼群摄食强度分类模型
时间段网络
轴向特征校准
精准投喂
在线阅读
下载PDF
职称材料
基于改进LRCN的鱼群摄食强度分类模型
被引量：
13
3
作者
徐立鸿
黄薪
刘世晶
《农业机械学报》
EI
CAS
CSCD
北大核心
2022年第10期236-241,共6页
实现饵料的自动投喂是自动化水产养殖的重点,对鱼群的摄食强度进行识别能够为精准投饵提供参考。目前大多数关于鱼群摄食强度的研究都是基于循环养殖池或者自制鱼缸中,并不适用于开放式养殖池塘。基于实际环境,采用水上观测方式建立了...
实现饵料的自动投喂是自动化水产养殖的重点,对鱼群的摄食强度进行识别能够为精准投饵提供参考。目前大多数关于鱼群摄食强度的研究都是基于循环养殖池或者自制鱼缸中,并不适用于开放式养殖池塘。基于实际环境,采用水上观测方式建立了鱼群摄食强度视频数据集,并提出了一种基于改进长期卷积循环网络(LRCN)的鱼群摄食强度分类模型,将注意力机制SE模块嵌入卷积神经网络中,通过SE-CNN网络提取视频帧的特征,输入至双层GRU网络中,最后通过全连接分类层得出视频类别。提出的SE-LRCN模型实现了对鱼群摄食视频的强度三分类。试验结果表明,本文提出的模型分类准确率达到97%,F1值达到94.8%,与改进前的LRCN模型相比,准确率提高12个百分点,F1值提高12.4个百分点。研究模型可以更精细地识别鱼群的摄食强度,为自动化精准投饵提供参考。
展开更多
关键词
水产养殖
鱼群
摄食
强度
长期卷积循环网络
视频
分类
挤压和激励模块
在线阅读
下载PDF
职称材料
题名
基于MobileViT-CBAM-BiLSTM的开放式养殖环境鱼群摄食强度分类模型
被引量：
2
1
作者
徐立鸿
黄志尊
龙伟
蒋林华
童欣
机构
湖州师范学院信息工程学院
同济大学电子与信息工程学院
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2024年第11期147-153,共7页
基金
国家自然科学基金项目(62373286、62175037)
湖州市重点研发计划农业“双强”专项(2022ZD2060)。
文摘
鱼群摄食的精准投喂技术是实现智慧化水产养殖的一项关键技术。大多数精准投喂模型都是基于水质较清晰的室内养殖池,不太适用于开放式养殖环境。本研究通过水上视角采集构建了一套开放式池塘数据集,并对数据集进行数据增强增加其多样性,然后在轻量化神经网络MobileViT基础上,将CBAM注意力模块与MV2模块结合设计了CBAM-MV2模块,并嵌入BiLSTM循环神经网络用于识别分类,提出改进的MobileViT-CBAM-BiLSTM模型,提高了模型预测能力、鲁棒性和泛化性能,实现了鱼群摄食行为的三分类。实验结果显示,改进后MobileViT在采集的视频帧数据集上明显优于改进前的MobileViT,准确率98.61%,宏F1值达98.79%,相对于原始MobileViT准确率提高6.33个百分点,宏F1值提高6.75个百分点。
关键词
鱼群摄食强度分类模型
精准投喂
MobileViT
BiLSTM
CBAM
Keywords
classification model of fish feeding intensity
precision feeding
MobileViT
BiLSTM
CBAM
分类号
S951.2 [农业科学—水产养殖]
在线阅读
下载PDF
职称材料
题名
基于轴向特征校准和时间段网络的鱼群摄食强度分类模型研究
2
作者
徐波
袁红春
机构
上海海洋大学信息学院
出处
《南方水产科学》
CAS
CSCD
北大核心
2024年第6期145-154,共10页
基金
国家自然科学基金面上项目(41776142)。
文摘
传统的水产养殖通过定量投喂或依靠人工经验投放饲料,易导致喂食不均、饲料浪费和环境污染等问题。旨在设计一种用于识别鱼群摄食强度的模型以提升投喂效率,减少污染。以时间段网络作为基础模型,捕捉鱼群长时间序列的摄食行为变化,加入时间移位操作,更细致地捕捉视频相邻帧之间的动态变化特征,并通过轴向特征校准自适应地调整特征,使模型能够更加精确地关注到鱼群摄食行为的不同轴向变化特征。实验表明,设计的模型相较于二维卷积网络(TSN),平均准确率提升10.0%,参数量仅提升5.2%;相较于三维卷积网络(C3D),平均准确率提升0.9%,参数量下降67.3%;相较于以Transformer为架构的Swin Transformer模型,平均准确率提升4.1%,参数量下降9.2%。表明设计的模型对于鱼群摄食强度识别分类更加准确,为制定鱼群的精确投喂策略提供了科学依据。
关键词
鱼群摄食强度分类模型
时间段网络
轴向特征校准
精准投喂
Keywords
Fish feeding intensity classification model
Temporal segment network
Axial feature calibration
Precision feeding
分类号
S964.3 [农业科学—水产养殖]
在线阅读
下载PDF
职称材料
题名
基于改进LRCN的鱼群摄食强度分类模型
被引量：
13
3
作者
徐立鸿
黄薪
刘世晶
机构
同济大学电子与信息工程学院
中国水产科学研究院渔业机械仪器研究所
出处
《农业机械学报》
EI
CAS
CSCD
北大核心
2022年第10期236-241,共6页
基金
国家重点研发计划项目(2017YFD0701700)
上海市科技兴农重点项目(沪农科推字(2019)第3-2号)
文摘
实现饵料的自动投喂是自动化水产养殖的重点,对鱼群的摄食强度进行识别能够为精准投饵提供参考。目前大多数关于鱼群摄食强度的研究都是基于循环养殖池或者自制鱼缸中,并不适用于开放式养殖池塘。基于实际环境,采用水上观测方式建立了鱼群摄食强度视频数据集,并提出了一种基于改进长期卷积循环网络(LRCN)的鱼群摄食强度分类模型,将注意力机制SE模块嵌入卷积神经网络中,通过SE-CNN网络提取视频帧的特征,输入至双层GRU网络中,最后通过全连接分类层得出视频类别。提出的SE-LRCN模型实现了对鱼群摄食视频的强度三分类。试验结果表明,本文提出的模型分类准确率达到97%,F1值达到94.8%,与改进前的LRCN模型相比,准确率提高12个百分点,F1值提高12.4个百分点。研究模型可以更精细地识别鱼群的摄食强度,为自动化精准投饵提供参考。
关键词
水产养殖
鱼群
摄食
强度
长期卷积循环网络
视频
分类
挤压和激励模块
Keywords
aquaculture
fish feeding intensity
long-term recurrent convolutional networks
video classification
squeeze-and-excitation block
分类号
TP183 [自动化与计算机技术—控制理论与控制工程]
TP391.41 [自动化与计算机技术—计算机应用技术]
S951.2 [农业科学—水产养殖]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于MobileViT-CBAM-BiLSTM的开放式养殖环境鱼群摄食强度分类模型
徐立鸿
黄志尊
龙伟
蒋林华
童欣
《农业机械学报》
EI
CAS
CSCD
北大核心
2024
2
在线阅读
下载PDF
职称材料
2
基于轴向特征校准和时间段网络的鱼群摄食强度分类模型研究
徐波
袁红春
《南方水产科学》
CAS
CSCD
北大核心
2024
0
在线阅读
下载PDF
职称材料
3
基于改进LRCN的鱼群摄食强度分类模型
徐立鸿
黄薪
刘世晶
《农业机械学报》
EI
CAS
CSCD
北大核心
2022
13
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
