【技術實現步驟摘要】
本專利技術屬于水產養殖，具體涉及一種魚群投喂方法、裝置、計算機設備及存儲介質。
技術介紹
1、在當前的漁業養殖業中，投餌在養殖過程中是十分重要的一環，直接影響著魚類的生長發育和養殖效益。然而，當前傳統的投餌方法存在諸多局限性，如手動投餌需要大量人力物力，為了節省人力通常使用投餌機進行投餌。但是傳統投餌機只能按照設定時間進行定時投喂，導致養殖效率低下。
2、為了提高養殖效率，現有技術還提出了利用卷積神經網絡對魚群進食行為進行識別并根據識別結果投喂，但是僅通過卷積神經網絡對魚群進食行為進行識別，首先是捕獲局部信息的能力較弱，可能對于魚群行為的識別存在誤差，其次魚群較多的情況下會導致計算的復雜度急速提高，需要的反應時間較長，不利于對魚群進行實時投喂，因此仍存在養殖效率低下的問題。
技術實現思路
1、為了解決上述魚群養殖效率低下的問題，本專利技術提供了一種魚群投喂方法、裝置、計算機設備及存儲介質。
2、為了實現上述目的，本專利技術提供如下技術方案：
3、一種魚群投喂方法，所述方法包括：
4、構建魚群進食預測模型，具體包括：將聚焦線性注意力flatten模塊加入efficientvit模型的頭部模塊，得到改進后的efficientvit模型；所述改進后的efficientvit模型包括輸入模塊、特征提取骨干模塊和頭部模塊；通過魚群攝食行為訓練樣本對改進后的efficientvit模型進行訓練，得到魚群進食預測模型；
5、獲取目標魚群
6、將所述行為圖像輸入至所述魚群進食預測模型，通過所述輸入模塊接收輸入的行為圖像，通過所述特征提取骨干模塊對接收到的行為圖像進行多尺度特征提取，并對提取到的多尺度特征進行融合，得到目標特征，通過所述頭部模塊對目標特征進行分類，得到目標魚群的預測進食強度；
7、根據所述預測進食強度對目標魚群進行投喂。
8、可選地，所述特征提取骨干模塊包括預處理模塊、多個mbconv模塊和efficientvit?module模塊以及特征融合模塊；所述預處理模塊包括conv模塊和dsconv模塊，通過所述預處理模塊對輸入的圖像進行初步提取，得到原始特征圖；通過多個mbconv模塊對原始特征圖進一步進行特征提取，得到多個mbconv特征圖；通過多個efficientvitmodule模塊對多個mbconv特征圖進行多尺度特征提取，得到多尺度特征金字塔；所述特征融合模塊采用1×1大小的卷積核和上采樣的方式調整所述多尺度特征金字塔的空間大小和通道數，并通過加法將所述多尺度特征金字塔進行融合，得到目標特征。
9、可選地，所述efficientvit?module模塊中引入了一個多尺度線性注意力模塊multi-scale?linearattention，通過所述多尺度線性注意力模塊對mbconv特征圖進行高分辨率稠密預測，實現了全局感受野；使用relu線性注意力機制來捕獲上下文信息實現全局感受野；另外，還引入ffn+dwconv的組合捕捉局部信息，增強relu線性注意力。
10、可選地，通過所述頭部模塊對目標特征進行分類包括：
11、通過頭部模塊對目標特征進行進食強度分類，所述進食強度為0～10，其中0為無攝食欲望，10為攝食欲望強烈。
12、可選地，通過魚群攝食行為訓練樣本對改進后的efficientvit模型進行訓練，得到魚群進食預測模型包括：
13、獲取目標魚群歷史進食前中后的三個階段攝食行為的圖像，并根據所述圖像構建魚群攝食行為訓練樣本；所述魚群攝食行為訓練樣本包括目標魚群的訓練行為圖像和對應的實際進食強度；
14、將所述訓練行為圖像輸入至改進后的efficientvit模型，得到目標魚群的預測進食強度；
15、以最小化預測進食強度和實際進食強度之間的偏差為目標對改進后的efficientvit模型進行訓練，得到魚群進食預測模型。
16、可選地，所述獲取目標魚群的行為圖像包括：
17、通過固定位置的圖像獲取設備按照預設頻率獲取目標魚群的行為圖像。
18、可選地，根據所述預測進食強度對目標魚群進行投喂包括：
19、根據目標魚群的預測進食強度的動態變化，對投餌機的投餌頻率和投餌量進行同步動態調整，直至魚群預測進食強度為0時，投餌機停止工作。
20、一種魚群投喂裝置，所述裝置包括：
21、構建模塊，用于構建魚群進食預測模型，具體包括：將聚焦線性注意力flatten模塊加入efficientvit模型的頭部模塊，得到改進后的efficientvit模型；所述改進后的efficientvit模型包括輸入模塊、特征提取骨干模塊和頭部模塊；通過魚群攝食行為訓練樣本對改進后的efficientvit模型進行訓練，得到魚群進食預測模型；
22、獲取模塊，用于獲取目標魚群的行為圖像；
23、預測模塊，用于將所述行為圖像輸入至所述魚群進食預測模型，通過所述輸入模塊接收輸入的行為圖像，通過所述特征提取骨干模塊對接收到的行為圖像進行多尺度特征提取，并對提取到的多尺度特征進行融合，得到目標特征，通過所述頭部模塊對目標特征進行分類，得到目標魚群的預測進食強度；
24、投喂模塊，用于根據所述預測進食強度對目標魚群進行投喂。
25、一種計算機可讀存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述魚群投喂方法。
26、一種計算機設備，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現上述魚群投喂方法。
27、本專利技術提供的魚群投喂方法具有以下有益效果：
28、首先將聚焦線性注意力模塊加入efficientvit模型的頭部模塊，這樣可以進行高分辨率稠密預測，實現了全局感受野，進而對魚群的整體情況進行多尺度特征提取，有利于提高對魚群進食行為預測的準確性，而且聚焦線性注意力模塊在解決線性注意力機制性能下降和引入額外的計算開銷來處理映射函數的缺點時，通過對高效性和表達能力的平衡，能夠實現更高的表達力和較低的計算復雜度，使得模型的反應速度和精度都得到提升。然后根據魚群進食模型對魚群行為進行預測，得到魚群的進食強度，根據魚群的進食強度實時調整投餌機對魚群進行投喂，這樣智能化投餌方法能夠對魚群攝食行為進行實時監測和分析，實現投餌策略的實時調整，提高投餌的精準度和效率，并能夠適應不同的養殖場景和需求，有利于提高養殖效率。此外，還能夠減少投餌成本和勞動力成本，提高了養殖效益和經濟效益。
本文檔來自技高網...【技術保護點】
1.一種魚群投喂方法，其特征在于，所述方法包括：
2.根據權利要求1所述的魚群投喂方法，其特征在于，所述特征提取骨干模塊包括預處理模塊、多個MBConv模塊和EfficientVit?Module模塊以及特征融合模塊；所述預處理模塊包括Conv模塊和DSConv模塊，通過所述預處理模塊對輸入的圖像進行初步提取，得到原始特征圖；通過多個MBConv模塊對原始特征圖進一步進行特征提取，得到多個MBConv特征圖；通過多個EfficientVit?Module模塊對多個MBConv特征圖進行多尺度特征提取，得到多尺度特征金字塔；所述特征融合模塊采用1×1大小的卷積核和上采樣的方式調整所述多尺度特征金字塔的空間大小和通道數，并通過加法將所述多尺度特征金字塔進行融合，得到目標特征。
3.根據權利要求2所述的魚群投喂方法，其特征在于，所述EfficientVit?Module模塊中引入了一個多尺度線性注意力模塊Multi-Scale?LinearAttention，通過所述多尺度線性注意力模塊對MBConv特征圖進行高分辨率稠密預測，實現了全局感受野；使用ReLU線性
4.根據權利要求1所述的魚群投喂方法，其特征在于，通過所述頭部模塊對目標特征進行分類包括：
5.根據權利要求1所述的魚群投喂方法，其特征在于，通過魚群攝食行為訓練樣本對改進后的EfficientVit模型進行訓練，得到魚群進食預測模型包括：
6.根據權利要求1所述的魚群投喂方法，其特征在于，所述獲取目標魚群的行為圖像包括：
7.根據權利要求1所述的魚群投喂方法，其特征在于，根據所述預測進食強度對目標魚群進行投喂包括：
8.一種魚群投喂裝置，其特征在于，所述裝置包括：
9.一種計算機可讀存儲介質，其特征在于，所述存儲介質存儲有計算機程序，所述計算機程序被處理器執行時實現上述權利要求1～7任一項所述的魚群投喂方法。
10.一種計算機設備，其特征在于，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述程序時實現上述權利要求1～7任一項所述的魚群投喂方法。
...【技術特征摘要】
1.一種魚群投喂方法，其特征在于，所述方法包括：
2.根據權利要求1所述的魚群投喂方法，其特征在于，所述特征提取骨干模塊包括預處理模塊、多個mbconv模塊和efficientvit?module模塊以及特征融合模塊；所述預處理模塊包括conv模塊和dsconv模塊，通過所述預處理模塊對輸入的圖像進行初步提取，得到原始特征圖；通過多個mbconv模塊對原始特征圖進一步進行特征提取，得到多個mbconv特征圖；通過多個efficientvit?module模塊對多個mbconv特征圖進行多尺度特征提取，得到多尺度特征金字塔；所述特征融合模塊采用1×1大小的卷積核和上采樣的方式調整所述多尺度特征金字塔的空間大小和通道數，并通過加法將所述多尺度特征金字塔進行融合，得到目標特征。
3.根據權利要求2所述的魚群投喂方法，其特征在于，所述efficientvit?module模塊中引入了一個多尺度線性注意力模塊multi-scale?linearattention，通過所述多尺度線性注意力模塊對mbconv特征圖進行高分辨率稠密預測，實現了全局感受野；使用relu線性注...
【專利技術屬性】
技術研發人員：王聰，陳冉，李道亮，李娜，王柳，趙然，
申請(專利權)人：中國農業大學，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。