答辩博士：武尧
指导老师：汪小旵教授
论文题目：基于深度学习的鱼苗行为响应检测方法与死亡率预测研究
答辩委员会：
主席：
方真教授/博导 南京农业大学
委员：
刘鹰教授/博导 浙江大学
沈跃教授/博导 江苏大学
李坤权教授/博导 南京农业大学
丁启朔教授/博导 南京农业大学
秘书：
张晓蕾副教授/硕导 南京农业大学
答辩时间：2024年5月23日14时
答辩地点：南京农业大学浦口校区育贤楼C402
论文简介：
本研究以游泳型鱼苗为研究对象，从实际生产角度出发，通过机器视觉、深度学习等技术手段开展了鱼苗运动表征与量化研究、鱼苗摄食需求表征与量化研究以及用于分析鱼苗死亡的预测模型研究，其主要研究内容和结果如下：
1、研究了个体鱼运动姿态检测方法，构建了个体鱼游泳强度动能模型。为了获取鱼苗运动角度姿态，提出了一种基于鱼肢掩膜的个体鱼运动姿态检测方法，实现了转向角、尾拍角和转向速度三种角度特征的量化。通过多尺度级联感知网络生成单条鱼的肢体掩膜，利用肢体掩膜质心建立随体坐标系，从而计算出运动角度特征。使用转向角、尾拍角的联合统计分布测量个体鱼的运动变化幅度，结合转向速度构建动能模型量化鱼苗的游泳强度。胃肠排空试验结果表明，提出的运动姿态检测方法能很好的表征不同饥饿程度下个体鱼的角度特征，基于游泳强度检测鱼苗饥饿应激运动表现出良好的性能，准确率为96.21%，误检率为0.21%。该研究为个体鱼运动姿态的识别与运动强度的量化提供了新思路。
2、研究了群体鱼苗空间特征量化方法，实现了无监督的鱼苗异常行为检测。针对水面观测模式容易受到光照和水体能见度对图像质量的影响，建立了水下大场景鱼群观测系统，并引入全局注意力机制改进YOLOv8m模型，实现鱼苗目标的高效检测和追踪。基于鱼苗二维目标检测和追踪结果，利用双目相机公共视野中潜在的左、右图像特征一致性，提出了一种基于左右一致性的无监督鱼苗目标深度估计方法，实现不需要以真实深度信息进行监督的鱼苗目标深度重建。最终，结合个体鱼坐标信息构建了三种鱼群空间特征量化模型，实现了鱼群垂直分布、聚散度和极化水平的量化，利用鱼群时空特征和无监督的谱聚类方法，提出了一种基于流形学习的鱼苗异常行为检测方法。鱼群氨氮胁迫试验结果表明，鱼群空间特征能很好的表征鱼群应激运动（垂直分布P<0.05，聚散度、极化水平P<0.01），基于流形学习的鱼苗异常行为检测的平均准确率为89.37%。该研究为实际场景中鱼群空间特征的量化和异常行为的检测提供了新方法。
3、建立了基于摄食水花的鱼群摄食强度评估方法和基于鱼腹曲线的鱼苗饱腹度量化方法。针对实际养殖环境的复杂性和鱼苗运动的不确定性导致的图像质量难以保证、摄食需求无法准确量化的问题，提出了一种基于涟漪水花的摄食强度评估方法。通过构建基于多核选择结构的自适应感受野图像特征提取网络提高对摄食水花的识别精度，将该网络作为半监督学习框架的教师模型用于执行模式识别并获得水花缩略图。利用灰度共生矩阵和灰度梯度共生矩阵的20维统计特征对该图进行特征提取，并使用回归多分类模型，实现在无需对摄食行为标注的前提下的鱼群摄食强度评估。试验结果表明，基于摄食水花的鱼群摄食强度评估方法平均准确率为98.22%、误检率为1.27%、漏检率为2.75%，有效克服了传统方法对高质量摄食行为图像和数据标注的依赖。同时，针对传统方法在非投喂时段难以有效量化鱼苗的摄食需求的难题，提出了一种基于鱼腹曲线的鱼苗饱腹度量化方法。通过多尺度扩张注意力机制和混合卷积模式改进YOLOv8s模型，提高鱼苗目标和腹部关键点检测精度和效率，并对传统的移动最小二乘拟合方法进行优化，使其适用于鱼苗腹部封闭曲线拟合，最终根据拟合的鱼腹曲线提出了鱼苗饱腹程度量化指标。试验结果表明，当鱼苗饱腹度低于0.47时，鱼苗胃肠排空时间处于10 h以上，利用饱腹指数检测鱼苗饥饿与否的准确率为95.21%、误检率为3.38%、漏检率为0.21%，实现了在非投喂期的鱼苗摄食需求的量化。
4、提出了一种基于环境驱动的动态可解释的鱼苗死亡率预测方法。利用长短期记忆网络将静态数据与累积时间序列的动态数据相结合，以一小时的步长进行鱼苗死亡率动态预测。将合作博弈论中的沙普利加法解释理论应用于所提出的预测模型，以获得对驱动预测特征的可视化解释，深化对影响鱼苗死亡率因素的理解。试验结果表明，该模型在外部验证数据集上显示出良好的动态预测性能，并随着时间的推移而提升，在168 h内的决定系数为0.81、均方根误差为0.30。此外，该模型具有可解释性，能在测试数据集和外部验证数据集中识别出推动或抑制鱼苗死亡的重要环境特征，为养殖人员提供实时的应对性指导。
主要创新点如下：
（1）提出了一种量化个体鱼运动强度的新参数，该参数考虑了鱼苗的运动角度特征，包括转向角、尾拍角和转向速度等关键因素，实现了鱼苗游泳强度的有效评估。
（2）提出了一种基于流形向量学习的鱼苗异常行为检测模型，该方法能有效提取鱼群时空特征，实现鱼苗异常行为的无监督检测。
（3）基于摄食水花和鱼腹图像特征，分别建立了两种鱼苗摄食需求量化方法。基于摄食水花的摄食强度评估方法可以有效减少标注和预处理工作量，实现高效的鱼群摄食强度评估。基于鱼腹曲线的饱腹度量化方法可以只需识别鱼苗目标，实现非投喂期的鱼苗摄食需求量化。
（4）提出了一种基于环境数据驱动的鱼苗死亡率动态可解释预测模型，该模型将静态数据与累积时间序列的数据相结合预测鱼苗的动态死亡率，并引入合作博弈论思想对驱动预测的特征进行可视化解释，使得预测结果更容易被决策者理解。
