在水产养殖中，了解鱼类的食欲对于制定有效的投喂策略至关重要。鱼类的摄食强度是其食欲的直接指标。本研究旨在开发一种利用声谱图（acoustic spectrogram）和卷积神经网络（convolutional neural network）评估鱼类摄食强度的方法。该算法将摄食强度分为强、中、弱和无四个等级。通过在循环水系统中收集尼罗罗非鱼（Oreochromis niloticus，罗非鱼）的声学摄食信号，并将这些信号转换为声谱图，以可视化不同频率随时间变化的振幅。利用改进的 VGG16 模型（结合专门设计的注意力机制融合模块）来准确评估摄食强度。实验结果表明，与原始模型相比，该方法将分类准确率提高了 1.83%，达到 94.37%，计算速度提高了 2.77%。与其他经典网络模型的对比进一步验证了该模型的性能优势。这种方法提供了一种客观、自动化的检测鱼类摄食强度的方式，可应用于提高罗非鱼养殖过程中的饲料利用率。

打赏

下载安捷伦电子书《通过细胞代谢揭示新的药物靶点》探索如何通过代谢分析促进您的药物发现研究

10x Genomics新品Visium HD 开启单细胞分辨率的全转录组空间分析！

欢迎下载Twist《不断变化的CRISPR筛选格局》电子书

单细胞测序入门大讲堂 - 深入了解从第一个单细胞实验设计到数据质控与可视化解析

下载《细胞内蛋白质互作分析方法电子书》