《表1 近5年国内外典型鱼类摄食系统对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《人工智能在水产养殖中研究应用分析与未来展望》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

智能投喂控制可分为检测残饵决定投喂量和分析行为确定摄食强度估测投喂量两种方法。如挪威AKVA集团开发的Akvasmart CCS投喂系统，通过安装残饵数量计数器和残饵收集装置，当残饵数量达到阈值时，水下摄像头辅助确认残饵剩余信息，系统将会根据反馈信号停止投喂，该系统是目前世界上信赖程度较高的投喂系统[51]。Atoum等[52]利用计算机视觉技术设计了一种可识别室内循环水养殖中浮性饲料的滤波器，成功区分了饵料区和非饵料区，并利用局部搜索方法提高计算残饵量精度和效率。在鱼类摄食行为方面，北京农业信息技术研究中心杨信廷、周超团队已利用计算机视觉、红外光谱等多种方法完成了对鱼类摄食行为监测和投喂自动控制的研究，为解决当前水产养殖中存在的投喂量不合理、饲料浪费严重等问题，为促进精准养殖、智慧渔业发展做出了重要贡献[53-55]。浙江大学叶章颖、赵健团队利用计算机视觉相关图像处理等方法，对鱼群实时摄食欲望程度进行了表征和量化，将鱼类的摄食强度分为四个等级，所提出的方案对循环水养殖中游泳型鱼类的高效投喂具有较强的理论指导作用，是近几年设计的较成功的智能化投喂系统[56，57]。进一步对以上几种具有代表性的国内外鱼类摄食系统进行对比，结果如表1所示。