Page 207 - 《水产学报》2025年第7期

2025, 49(7): 079616 JOURNAL OF FISHERIES OF CHINA

DOI: 10.11964/jfc.20241214825

基于改进残差网络的罗氏沼虾发声信号分类
方法

1
1
2
1
3
曹正良 ， 蒋千庆 ， 姜 珊 ， 王子贤 ， 李钊丞 ， 第一作者：曹正良，副研究员副教授，
从事海洋声学与生物学应用研究，E-
靳雨雪 ， 胡庆松 2* mail：zlcao@shou.edu.cn
3

1. 上海海洋大学海洋科学与生态环境学院，上海 201306；2. 上海海洋大学工程
学院，上海 201306；3. 上海海洋大学海洋生物资源与管理学院，上海 201306

摘要：
【目的】水产养殖中虾类行为的精准识别对饲料投喂优化和疾病预防
管理具有重要意义。针对传统光学监测方法在复杂养殖环境中的局限
性，从被动声学监测角度，针对虾类在复杂养殖环境中传统光学监测

方法的局限性。 通信作者：胡庆松，教授，博士生导
师，山东莱芜人。从事控制科学与技
【方法】本研究结合被动声学技术获取罗氏沼虾的不同行为发声信息， 术、渔业工程装备研究。入选国家青
提出了一种基于深度学习的罗氏沼虾行为分类方法。通过采集摄食、 年人才计划、上海市东方英才拔尖人
才计划。近年来获得省部级科技进步
移动及打斗三种行为的发声信号，将其转换为 Mel 频谱图作为数据集， 奖1项，教学成果奖1项，E-mail：
qshu@shou.edu.cn
并比较了 CNN、ResNet18 和 VGG16 神经网络模型分类效果。
【结果】ResNet18 的识别准确率 (97.67%) 优于 VGG16 和 CNN；在引
入批量归一化 (Batch Normalization, BN) 算法后，BN-ResNet18 的识别
准确率提升至 99.00%，较原始 ResNet18 提高了 1.33%。此外，BN-
ResNet18 在 14.0~44.1 kHz 频段内表现出最优的分类性能，进一步证明
了残差连接与 BN 模块的协同优化能够有效提升模型性能。

【结论】BN-ResNet18 在复杂行为发声信号特征建模分类中展现出较

高的准确性和稳健性。本研究为基于虾类行为发声信号的监测识别提
资助项目：上海市农业科技创新项目
供了技术支持，对水产养殖的智能化研发具有潜在应用价值。 (沪农科T2023108)；上海市水产动物
良种创制与绿色养殖协同创新中心项
关键词: 罗氏沼虾；Mel 频谱图；神经网络；批量归一化；发声信号
目 (2021 科技 02-12)

收稿日期：2024-12-28
我国是世界第一大水产养殖国，水产业在提供优质和健康食物来 修回日期：2025-02-21

源方面发挥了重要作用 。随着水产养殖业的快速发展，多种信息技 文章编号：
[1]
1000-0615(2025)07-079616-11
术集成已成为推进水产养殖机械化和信息化融合的关键环节。在水产 中图分类号：S 966.12；TP 183
文献标志码：A
养殖中，养殖对象行为的确定有助于饲料投喂和疾病预防管理。如养
[2]
殖中的摄食行为可以反映所养生物的饲料需求 及生长情况 ，异常 作者声明本文无利益冲突
[3]

行为可能预示其受疾病或环境胁迫影响。因此，对各种行为进行准确 © 《水产学报》编辑部(CC BY-NC-ND 4.0)
Copyright © Editorial Office of Journal of
分类，不仅可以优化饲料投喂策略，还能为养殖中的生长状况监测提 Fisheries of China (CC BY-NC-ND 4.0)
供有效方法。随着各类传感器和监控设备在养殖信息采集中的广泛应
用，掌握养殖对象的关键行为成为了一个重要的研究方向。然而，如
何高效、精准地利用各种水下信息识别养殖对象的具体行为，在技术
和方法上仍面临挑战。

中国水产学会主办 sponsored by China Society of Fisheries https://www.china-fishery.cn
1