Page 215 - 《水产学报》2025年第7期

曹正良，等 水产学报, 2025, 49(7): 079616

4 结论 different sizes[J]. South China Fisheries Science, 2022, 18(6):
26-34 (in Chinese).
本研究通过在实验室对罗氏沼虾的被动声
[ 3 ] 张东. 水生动物行为研究及其在水产养殖中的应用简述 [J].
音信号的采集，针对其摄食、移动、打斗 3 种
水产学报, 2013, 37(10): 1591-1600.
行为发声信号构建了数据集，通过将原始声音
Zhang D. Applications of aquatic animal behavior in aquacul-
数据转化为 Mel 频谱图以获得特征，确立了基
ture[J]. Journal of Fisheries of China, 2013, 37(10): 1591-1600
于被动声学虾类行为识别研究的 ResNet18 模型，
(in Chinese).
其分类准确率分别达到了 97.40%，在 3 种行为
[ 4 ] 魏丹. 基于光-声耦合技术的大口黑鲈摄食欲望评估模型研
发声信号的识别中，摄食行为发声信号的 Mel
究 [D]. 杭州: 浙江大学, 2023.
频谱图较为稳定且规律，具有相对较高的识别率。
Wei D. Study on the photoacoustic coupling-based assessment
实验在原有模型的基础上引入了 BN 实例
model of feeding desire for Micropterus salmoides[D]. Hang-
归一化机制，实验结果表明，BN-ResNet18 网
zhou: Zhejiang University, 2023 (in Chinese).
络在识别中的准确率及泛化能力方面显著高于
[ 5 ] 刘世晶, 涂雪滢, 钱程, 等. 基于帧间光流特征和改进 RNN 的
其他网络，其中改进后的 BN-ResNet18 模型在 14.0~
草鱼摄食状态分类 [J]. 水生生物学报, 2022, 46(6): 914-921.
44.1 kHz 频段的识别用时逐渐减短，识别准确
Liu S J, Tu X Y, Qian C, et al. Feeding state classification of
率达到 99%，验证了 Batch Normalization (BN) 在
grass carp based on optical flow and improved RNN[J]. Acta
分类识别模型中具有减少迭代次数、提高计算
Hydrobiologica Sinica, 2022, 46(6): 914-921 (in Chinese).
效率的作用。移动行为发声信号作为一种实验
室水池环境干扰也得到较好分类效果，这与数 [ 6 ] Wang G X, Muhammad A, Liu C, et al. Automatic recognition
据集未考虑多种干扰 (如增氧噪声等) 有关，在 of fish behavior with a fusion of RGB and optical flow data
实际应用中仍需要检验模型方法的抗干扰能力。 based on deep learning[J]. Animals, 2021, 11(10): 2774.
通过比较分类模型得出，为快速识别虾类 [ 7 ] Martinez-Alpiste I, De Tailly J B, Alcaraz-Calero J M, et al.
发声行为，可选用 BN-VGG16；为更准确分类 Machine learning-based understanding of aquatic animal beha-
虾类发声行为，可选择 BN-ResNet18。基于打 viour in high-turbidity waters[J]. Expert Systems with Applica-
斗行为发声的 Mel 频谱图具有较高频率和突变 tions, 2024, 255: 124804.
特征，未来可进一步完善该行为发声信号的识 [ 8 ] Silva J F, Hamilton S, Rocha J V, et al. Acoustic characteriza-
别方法，实现监测虾群的摄食行为和应激反应， tion of feeding activity of Litopenaeus vannamei in captivity[J].
进而在虾类病害发展初期，通过虾类发声信号 Aquaculture, 2019, 501: 76-81.
变化，实现及时监测与早期干预。尤其在夜间 [ 9 ] Peixoto S, Soares R, Davis D A. An acoustic based approach to
能见度低的情况下，可弥补摄像受限下群体虾 evaluate the effect of different diet lengths on feeding behavior
类行为识别的缺陷。本研究为水产养殖中自动 of Litopenaeus vannamei[J]. Aquacultural Engineering, 2020,
化识别系统开发提供了声学方法支持，并为虾 91: 102114.
类健康及生长环境监测提供了新的技术途径。 [10] 李钊丞, 项盛羽, 沈梦庭, 等. 南美白对虾快速游动发声特征
及其信息利用研究 [J]. 水生生物学报, 2023, 47(6): 997-1006.
参考文献 (References)： Li Z C, Xiang S Y, Shen M T, et al. Acoustic characteristics of

[ 1 ] 张文兵, 解绶启, 徐皓, 等. 我国水产业高质量发展战略研究 fast swimming and its information utilization for Litopenaeus
[J]. 中国工程科学, 2023, 25(4): 137-148. vannamei[J]. Acta Hydrobiologica Sinica, 2023, 47(6): 997-
Zhang W B, Xie S Q, Xu H, et al. High-quality development 1006 (in Chinese).
strategy of fisheries in China[J]. Strategic Study of CAE, 2023, [11] Hamilton S, Silva J F, Filho F C, et al. Sound emission of Mac-
25(4): 137-148 (in Chinese). robrachium rosenbergii during feeding activity[J]. Aquaculture
[ 2 ] 曹正良, 沈梦庭, 李钊丞, 等. 摄食不同粒径颗粒饲料的凡纳 Research, 2021, 52(10): 4841-4848.
滨对虾发声信号特征 [J]. 南方水产科学, 2022, 18(6): 26-34. [12] Allken V, Handegard N O, Rosen S, et al. Fish species identi-
Cao Z L, Shen M T, Li Z C, et al. Characteristics of feeding fication using a convolutional neural network trained on syn-
acoustic signals of Litopenaeus vannamei fed with pellets of thetic data[J]. ICES Journal of Marine Science, 2019, 76(1):

中国水产学会主办 sponsored by China Society of Fisheries https://www.china-fishery.cn
9