答辩博士：杨海慧
指导教师：汪小旵教授
论文题目：工厂化循环水鱼苗养殖智能投喂系统研究
答辩委员会：
主席：
鲁植雄教授/博导 南京农业大学
委员：
薛金林教授/博导 南京农业大学
蒋雪松教授/博导 南京林业大学
王新忠教授/博导 江苏大学
卢伟教授/博导 南京农业大学
秘书：戴 芸 南京农业大学
答辩时间：2025年11月30日14:00
答辩地点：滨江校区12#B442
学位论文简介：
鱼苗培育是工厂化循环水养殖的一项重要功能，其技术与质量管控水平直接决定了成鱼养殖的产出效能与经济收益。投喂环节是其中既耗费人工，又难以精确控制的核心和关键。精确投喂是保障鱼苗繁育质量以及保证水资源高效利用与生态可持续发展的重要举措。我国水产养殖投喂环节长期依赖人工和半自动化投饲装备，投喂误差大，严重制约水产养殖的规模化发展。近年来，工厂化循环水养殖智能投喂技术得到初步推广，但由于水产养殖场景多元化、鱼苗尺寸及摄食特征较之成鱼差异较大，现有的鱼苗投喂系统存在作业方法针对性差、摄食行为识别精度低、投喂机构作业误差大等问题，易导致鱼苗投喂不当，尤其是过度投喂导致残余饲料污染水体成为保障养殖环境的新挑战。基于以上问题，本研究从鱼苗摄食行为特征分析与检测模型改进、精准投喂方法与投喂控制策略研究、投喂作业部件结构优化与试验验证、系统作业性能试验与养殖效果验证等方面展开研究。通过多学科方法融合，建立“感知-决策-执行”智能化投喂方法，实现鱼苗精准、高效、智能化养殖，为工厂化循环水鱼苗养殖技术及装备研发提供理论依据和技术支撑。论文主要研究内容及结论总结如下：
1. 基于机器视觉的鱼苗摄食行为检测方法研究。对草鱼（Ctenopharyngodon idella）、罗非鱼（Oreochromis niloticus）和加州鲈鱼（Micropterus salmoides）鱼苗摄食行为特征分析发现，鱼苗在水下浅层区域摄食时表现出明显的“垂直摄食”与“角度摄食”特征，这些特征的检出频率与水面残余饲料的存量关系可有效证明鱼苗摄食动作的真实发生。针对鱼苗摄食检测时面临的光照不均、背景复杂、检测目标小而密集等困难，提出一种深度学习模型FFD-YOLO。该模型在YOLOv5s的基础上，引入GhostNet模块作为主干特征提取网络以降低模型参数量与计算复杂度，引入CA注意力机制以增强干扰环境下对检测目标的关注，采用BiFPN特征金字塔网络以增强小尺寸鱼苗及饲料颗粒的多尺度特征融合能力，使用SIoU损失函数加速模型收敛并提升定位精度。试验结果表明，FFD-YOLO模型在对以草鱼、罗非鱼和加州鲈鱼组成的摄食图像数据集进行检测时表现出良好性能，在保证图像处理速度（91.7 FPS）的同时，检测精度提升至81.6%，模型参数量仅为4.7 MB。
2. 鱼苗精准投喂模型与投喂控制方法研究。通过试验比较优选出“多轮投喂”饲料排放策略以适配鱼苗摄食习性，采用数值模拟技术研究不同饲料覆盖范围与分布形态对鱼群摄食响应及整体摄食效率的影响，优选50%与70%两档高效抛撒覆盖比例。设计了一种鱼苗实时摄食需求自适应的智能投喂系统，实现饲料投喂量与抛撒覆盖范围的自动匹配。基于改进算法分析不同图像检测频率对系统响应效率与决策准确性的影响，确定了最优感知周期（2 s）。采用改进的抛撒圆盘转速控制方法，快速响应抛撒电机的转速需求，提升了饲料覆盖范围控制精度。基于投喂系统作业方案配置了相应的硬件设备及软件程序。
3.投喂作业部件结构优化与试验验证。采用离散元仿真与响应面分析法相结合，研究饲料颗粒在槽轮排料与圆盘抛撒过程中的动力学行为特征与关键影响因素。采用Box-Behnken设计方法分析槽轮转速、凹槽数与内轴直径对三种粒径饲料（0.5 mm、1.0 mm、1.5 mm）排料脉动幅值的影响，建立各因素的排料回归模型并优选出最优参数组合。开展抛撒装置的单因素与多因素协同仿真分析，通过响应面法研究圆盘转速、叶片倾角、叶片偏角与饲料流量对有效覆盖占比和分布均匀性的交互影响，为实现40%-80%不同目标覆盖占比提供方案。排料试验表明，优化后的槽轮结构在5 s排料作业中可将总排量相对误差控制在1%-2%，实时排料变异系数低于2.5%，最大排料量可达16.2 g/s。抛撒试验表明，实际饲料覆盖占比与目标值的偏差在3.13%-12.50%，均匀性变异系数为32.38%-48.46%。
4. 智能投喂系统作业性能试验与养殖效果验证。对比智能投喂系统与人工投喂方法表明，智能投喂策略能够降低饲料残留量（2.72% vs. 12.56%），并促进鱼苗生长（SGR: 5.11 %/d vs. 4.91 %/d），表现出更优的饲料利用效率（FCR: 1.38 vs. 1.66）；抛撒策略试验表明最佳饲料覆盖比例与投喂时间及鱼苗生理节律有关，70%覆盖比例适用于清晨（8:00）投喂，50%覆盖比例适用于傍晚（17:00）投喂。通过自制数据集测试了系统作业性能，在图像质量高、识别难度低的理想工况下，系统排料与抛撒误差分别低于10.2%和12.6%；而在图像质量差、场景复杂的挑战性工况下作业误差分别低于18.4%和24.1%。为期60天的加州鲈鱼养殖试验表明，尽管两组鱼苗在存活率上无明显差异（SR: 93% vs. 95%），但智能投喂组在饲料转化率（FCR: 1.16 vs. 1.23）和投喂率（FR: 3.348% vs. 3.354%）上优于人工投喂组。
主要创新点如下：
（1）提出了一种基于实时摄食状态判断的鱼苗智能投喂方法，提取并验证了“角度摄食”与“垂直摄食”两类关键视觉特征及其与摄食行为的对应关系，构建了基于“摄食行为-饲料残留”共同反馈的决策机制。
（2）提出了一个轻量化高精度检测模型FFD-YOLO，通过引入GhostNet轻量化模块、融合CA坐标注意力机制、采用双向特征金字塔网络BiFPN、引入SIoU损失函数，提升了模型的检测精度与泛化性能。
（3）提出了一种基于鱼苗摄食习性的抛撒覆盖比例研究新方法，通过数值模拟与试验相结合，分析了抛撒覆盖与摄食效率的关系，并据此提出了动态档位可调的投喂策略，实现了投喂作业从“定量、定范围”到“精准匹配”的转变。
