动态音视频融合技术：用于循环水养殖环境中精准识别鱼类的摄食强度

精准评估鱼类摄食行为对高效饲料管理和稳定水产养殖至关重要。本文提出轻量级动态跨模态融合网络（LDMF），通过同步采集视觉与声学信息，利用双分支特征提取和动态交互融合模块，实现实时高精度摄食状态评估，有效解决传统手动或固定机器投喂导致的饲料分配不均和浪费问题，并在动态循环水养殖环境中验证了98.22%的评估准确率。

　　

摘要

准确评估鱼类的摄食行为对于高效饲料管理和水产养殖系统的稳定运行至关重要。水产养殖中的饲料投喂主要依赖于人工和机器辅助的方法。人工投喂依赖于操作人员的经验，往往导致饲料分布不均和水质污染加剧。机器辅助投喂通常根据养殖密度设定固定投喂量，但这种固定策略无法适应影响鱼类食欲的环境变化，从而造成大量饲料浪费。为了解决饲料分布不均的问题，我们提出了一种轻量级动态跨模态融合网络（LDMF）。该网络能够同步获取与鱼类摄食行为相关的视觉和听觉信息，并高精度地评估其摄食状态。通过实时、可靠的评估数据，该网络能够实现精确的饲料投放，有效支持智能饲料管理。首先，网络通过双音频-视频通道提取与摄食相关的特征，使两种模态相互补充，更有效地解决饲料分布不均的问题。此外，所提出的动态交互融合模块会根据输入特征的特性调整融合权重，使模型能够适应实际的摄食波动，并及时调整投喂策略，从而降低饲料浪费和环境污染的风险。实验结果表明，在AV-FFIA数据集上，LDMF的准确率达到98.22%，优于现有的单模态模型和其他主流的多模态方法。该网络在高度动态的循环水养殖环境中表现出良好的鲁棒性，为智能饲料应用提供了实用的解决方案。