基于改进边界匹配网络的鱼群摄食动作时序检测方法研究

集约化水产养殖中,实时监测鱼群摄食状态是制定科学投喂策略的重要依据之一。为实现鱼群摄食和非摄食状态的时序探测,解决现有方法在探测摄食状态切换时误差较高的问题,提出了基于改进边界匹配网络(Boundary Matching Network,BMN)的鱼群状态检测网络BMN-Fish。该网络在BMN的基础上,引入高效深度模块,包含高效通道注意力模块(Efficient Channel Attention Module Net,ECANet)和基础残差模块(Base Residual Module,BRM)。高效通道注意力模块可扩大时序维度特征的感受野,提高了模型提取局部信息的能力;基础残差模块可关注特征图中感兴趣的区域,增强算法的全局感知能力。结果显示,相比于原始的鱼群时序摄食动作检测网络BMN,BMN-Fish的AUC和AR@100指标达93.32%和95.28%,分别提高2.17%和1.95%。研究表明,该方法可以高效检测鱼群时序摄食动作,为集约化水产养殖制定智能投饲策略提供参考。