基于帧间光流特征和改进RNN的草鱼摄食状态分类

针对鱼类连续摄食行为较难识别与量化的问题, 提出一种基于帧间光流特征和改进递归神经网络(Recurrent neural network, RNN)的草鱼摄食状态分类方法。首先利用偏振相机搭建户外池塘采样系统, 采集不同偏振角度水面图像, 并基于图像饱和度和亮度模型自动选择低反光角度图像, 构建图像样本库; 其次通过光流法提取帧间运动特征, 并基于投饲机开关状态构建时间序列帧间特征样本集, 然后利用样本集训练改进RNN分类网络。以上海市崇明区瑞钵水产养殖专业合作社的试验数据对该方法进行验证。结果表明, 研究方法综合准确率为91%, 召回率为92.2%, 均优于传统的鱼类摄食行为识别方法。研究结果可为鱼类精准投喂技术研究提供参考。

FEEDING STATE CLASSIFICATION OF GRASS CARP BASED ON OPTICAL FLOW AND IMPROVED RNN