養(yǎng)殖魚類攝食行為的特征提取研究與應用進展

曹曉慧，劉 晃

(1上海海洋大學水產(chǎn)與生命學院，上海 201306；2 中國水產(chǎn)科學研究院漁業(yè)機械儀器研究所，上海 200092)

在水產(chǎn)養(yǎng)殖中，飼料成本約占總成本的60%～70%[1-2]，飼料是決定水產(chǎn)養(yǎng)殖生產(chǎn)成本的主要因素之一[3]。隨著飼料成本的增加，提高飼料利用率成為研究的熱點，許多養(yǎng)殖戶以自動投飼設備替代了人工投喂，但投喂參數(shù)仍需依據(jù)養(yǎng)殖人員經(jīng)驗進行設定，存在主觀影響[4]，不能依據(jù)養(yǎng)殖魚類對飼料的實時所需進行投喂。準確識別分析魚類攝食行為，可為優(yōu)化攝食量，降低飼料成本提供有價值的參考指標。目前，魚類攝食行為監(jiān)測方法主要采用計算機視覺技術與聲學技術，獲取、處理和分析魚類攝食的圖像、聲音等信息，以量化和識別魚類的攝食行為[5]。

為促進智能投飼系統(tǒng)的開發(fā)，達到實時按需投喂的目標，根據(jù)攝食行為反饋魚類的攝食活性強度，以此判斷魚類是否需要攝食，通過攝食行為的量化提取特征參數(shù)預測攝食模型是最有效的途徑之一。目前常見的建模方法有BP神經(jīng)網(wǎng)絡建模[4]、支持向量機(SVM)模型[6]、線性模型[7]等，但模型的準確度普遍較低，這與攝食行為參數(shù)的獲取有很大的關系，魚類體質(zhì)差別、外界環(huán)境因素等都會干擾模型的準確度[8]。

1 魚類攝食行為

魚類攝食以維持生存、發(fā)育、生長和繁殖，其攝食行為可大致分為覓食、捕食和攝入3個步驟。攝食行為是由于感覺器官受內(nèi)外環(huán)境刺激而產(chǎn)生的行為，在覓食過程中需要多種感覺器官共同作用，不同魚類所使用的器官不盡相同。魚類經(jīng)過覓食對目標食物進行定位后，進入捕食階段，在此期間會根據(jù)目標狀況的不同而做出一系列的反應。若捕食成功便開始進食，其在咀嚼吞咽過程中發(fā)出的聲音是目前判斷攝食強度的難點和熱點。在這一系列完整的過程中，所產(chǎn)生的行為特征均為攝食行為特征，可作為判斷魚類攝食情況的依據(jù)。

(1)覓食

覓食主要指魚類如何發(fā)現(xiàn)食物并精準定位，是捕食成功的關鍵。以往研究發(fā)現(xiàn)，絕大部分魚類依靠視覺、嗅覺、味覺以及側(cè)線等感覺器官進行覓食[9-10]。視覺對于生活在中上層的魚類尤為重要，其中狗魚(Esocidae)和竹莢魚(Trachurusjaponicus)是“視覺魚類”的典型代表。視覺作用與光照強度息息相關，尤其在清水中，依靠視覺可獲得精確的定位。另外嗅覺和味覺是重要的化學感受器官，在所有魚類中普遍存在且具有較高的靈敏度，多種化學物質(zhì)都能夠引起魚類的嗅覺反應[11]，其發(fā)達程度可以由嗅覺上皮形狀加以判斷。味覺器官的味蕾，分布廣泛，其位置不僅限于口，例如幼小八目鰻(Lampetrajaponica)的皮膚就能感到鹽、酸、堿以及奎寧的刺激[12]。除此之外，味蕾的不同形態(tài)和分布與食性有很大關系[13]。側(cè)線為皮膚感覺器官中最高度分化的構(gòu)造，是魚類和兩棲類特有的感覺器官。鱖魚(Sinipercachuatsl)在視覺范圍受限時，側(cè)線可發(fā)揮重要作用[14]。側(cè)線在半滑舌鰨(Cynoglossussemilaevis)攝食中的作用優(yōu)于嗅覺[15]。魚類依靠多種感受器官相互作用對所需食物進行精確定位。

(2)捕食

正常游動的魚群行為較為單一，一般都潛伏于水底，且游動緩慢，但對于饑餓魚群，游動迅速，且在攝食時常伴有水花。鮑寶龍等[16]發(fā)現(xiàn)，饑餓暗紋東方鲀(Takifuguobscurus)仔魚在攝食時會伴有甩頭的動作并前沖捕食；而點籃子魚(Siganusguttatus)在發(fā)現(xiàn)食物時也會從四面八方蜂擁而至[17]。除此之外，魚群中的顏色、形態(tài)、面積及同時攝食魚群的數(shù)量會因攝食強度的不同而有所差異[6,18]。為了量化魚群的攝食行為特征，目前已有根據(jù)魚群面積及水花面積來判斷魚群攝食強度的研究。在魚類捕食過程中大多都會有潛伏、追蹤、攻擊的行為以獲得食物，裴一凡等[19]采用錄像分析確定攝食階段餌料魚與太平洋柔魚(Todarodespacificus)的相對位置，測得最頻繁的攻擊距離為2～3倍酮體長，此階段還有魚體顏色變深且身體收縮的特征。除響應距離外，陳劍明等[20]還以不同生長階段黑點青鳉魚(Oryziasmelastigma)的攝食效率、攝食成功率及攝食量等參數(shù)進行了分析，以確定各個階段的攝食能力。按照攝食時攻擊方式的不同可分為S型攻擊型和咬食攻擊型[21]，S型攻擊型特征主要為身體彎曲呈“S”型，且攻擊力強，可隨食物的變動而做出相應的調(diào)整，始終保持最佳攻擊位置，例如真鯛(Pagrusmajor)、牙鲆(Paralichthysolivaceus)等早期仔魚。咬食攻擊型即發(fā)現(xiàn)食物后調(diào)整攻擊位置直接捕食，如真鯛后期仔魚，可見魚群在攝食時身體的彎曲程度與攝食能力呈負相關。

(3)攝入

魚類在捕食成功后便可食用食物，其間因水動力因素、鰓蓋及口腔的劇烈運動以及咀嚼時牙齒摩擦而產(chǎn)生聲音。目前對于魚類攝食聲信號的研究尚淺，尤其對于聲信號的采集與數(shù)據(jù)處理較為復雜，以分析魚類攝食過程中的頻域與時域最為常見。鯉魚攝食聲的頻率范圍較寬，約0 ～20 kHz，其中4～10 kHz的頻率較強[22]，而人工養(yǎng)殖的凡納濱對蝦，頻率范圍大約為3～40 kHz[23]。除此之外，還會聽到魚類攝食時獨特的聲音，例如大黃魚(Larimichthyscrocea)在吞食時會發(fā)出“咯咯”的聲音，同時伴隨著水體氣泡破裂的聲音[24- 25]，虹鱒(Oncorhynchusmykiss)喂食期間會有“咔嗒聲”和“刮擦聲”，喂食后還會聽到“隆隆聲”和“嘶啞聲”[26]，斑節(jié)對蝦(Penaeusmonodon)攝食時會有明顯的“咔噠聲”[26]。目前已有研究發(fā)現(xiàn)，魚類攝食聲信號特征與攝食強度有關[28]，可以此判斷養(yǎng)殖對象的攝食情況，提高飼料攝食效率。

2 影響攝食行為的主要因素

2.1 光照

光照因素是一個復雜的生態(tài)因子，不同的光照強度、光照周期、光譜都會對魚類的攝食、生殖、生長、發(fā)育等方面有顯著的影響。光照強度與攝食量之間存在具有峰值的攝食曲線和S型攝食曲線兩種模型[29]。也有部分魚類對光照較為敏感，如用強光照射日本鰻鱺(Anguillajaponica)仔魚時，仔魚會迅速游入缸底[30]。除此之外，光照周期的長短可以影響魚類的日攝食節(jié)律，李寶山等[31]發(fā)現(xiàn)隨著光照周期的縮短，大菱鲆(Scophthatmusmaximus)幼魚的攝食率也隨之降低。但史氏鱘(Acipenserschrenckii)稚魚[32]與15日齡斜帶石斑魚(Epinepheluscoioides)[33]的攝食并不受光照周期的影響，說明部分魚類的攝食節(jié)律不易被改變。大多數(shù)魚類都具有視錐與視柱兩種感光細胞，也因此認為魚類具有色覺，王萍等[34]發(fā)現(xiàn)藍光對美國紅魚(SciaenopsOcellatus)的攝食影響最大，并對中強度的紅光和橙光呈正趨性。除此之外，不同的內(nèi)外環(huán)境也會影響適宜的光照范圍，保證適宜光照的前提是保持穩(wěn)定的內(nèi)外環(huán)境。

2.2 水溫

對于水生生物，水溫是最重要的環(huán)境因素之一，魚類體溫會隨環(huán)境溫度的改變而改變，但大多數(shù)魚類只能忍受較小范圍的溫度變化。溫度變化是典型的鐘形曲線，如鯉魚在28℃左右攝食量達到峰值后逐漸下降，當水溫低于6℃時鯉魚停止攝食[35]，大西洋鱈魚(Gadusmorhua) 幼魚在水溫14℃和16℃時生長狀況最好[36]。另外因品種、種群或棲息地域的不同，對溫度的耐受范圍有很大的不同，Walberg等[37]發(fā)現(xiàn)當水溫升高2℃時，黑鮰(Ameiurusmelas)的攝食次數(shù)減少了35%，但黑斑刺蓋太陽魚(Pomoxisnigromaculatus)的攝食次數(shù)卻增加了22.2%。體溫的變化會影響酶的活性、消化率、吸收率及其他生理生化反應，另外魚類的最適溫度并不是穩(wěn)定不變的，因魚類對環(huán)境具有一定的適應能力，若長時間生長在不同溫度下，其最適溫度及耐溫范圍也會有所改變。

2.3 鹽度

鹽度與個體的滲透壓息息相關，鹽度的變化會引起存活率、攝食、呼吸代謝等生理指標的變化[38]。姜志強等[39]發(fā)現(xiàn)，美國紅魚幼魚在鹽度為0時，存活率較低，當鹽度為16時，存活率100%，且攝食強度最高。鹽度同樣會影響魚類的開口率，當鹽度為52時，條紋鋸鮨(Centropristisstriata)仔魚的開口率與攝食強度均接近于0[40]。部分魚類適應鹽度的能力較強，如斜帶石斑魚(Epinepheluscoioides)在鹽度為0時，72 h內(nèi)幼魚全部死亡；鹽度為4時，基本不攝食，但3 d后就會開始攝食[41]。所以保持適宜的鹽度范圍，可提高魚類攝食的積極性，如海洋青鳉魚(Oryziasmelastigma)在鹽度15～25，水溫25℃的條件下，攝食最為活躍[42]。鹽度不僅與攝入食物能量改變有關，還與能量利用效率有關。因為鹽度過高或過低時，個體需耗費額外的能量來等滲調(diào)節(jié)，但在等滲點附近時，滲透壓最低，耗能最少，對魚體的影響最小。

2.4 養(yǎng)殖密度

適當?shù)酿B(yǎng)殖密度在減少氧氣消耗的同時，可達到最好的生長率和存活率，養(yǎng)殖密度能引起養(yǎng)殖對象的應激反應，從而影響攝食、生長等。任華等[43]發(fā)現(xiàn)，雖然養(yǎng)殖密度越高，個體的攝食積極性越高，但當養(yǎng)殖密度超過0.7萬尾/m3時，雜交鱘仔魚的生長反而下降。不同品種之間所能適應的養(yǎng)殖密度不同，不能出現(xiàn)過高或過低的養(yǎng)殖密度。對于中華鱘(AcipensersinensisGray)，高密度養(yǎng)殖對其攝食及行為存在明顯的負面影響[44]。雖然高密度養(yǎng)殖的群體攝食積極性較高，適應力較強，但會因擁擠而產(chǎn)生個體間頻繁碰撞引起的急躁行為，影響正常攝食，但低養(yǎng)殖密度的個體適應能力弱且易受外界環(huán)境的干擾和驚嚇。

3 魚類攝食行為研究與應用進展

3.1 基于計算機視覺識別的研究應用進展

3.1.1 基于可見光

近年來，計算機視覺技術因可實時、廣泛、非接觸地監(jiān)測魚類行為，在水產(chǎn)養(yǎng)殖中得到了廣泛的應用[45]。因人工處理圖像數(shù)據(jù)的繁雜和誤差，Cline等[46]與Zion等[47]引入了視頻圖像自動處理系統(tǒng)，雖然識別分類精度達98%，但出現(xiàn)重疊和魚體顏色與背景相似等情況時可能會存在誤差[48]。Cha等[49]利用傳統(tǒng)的記錄攝像機和計算機圖像處理系統(tǒng)，提出粒子圖像測速(PIV)法測量魚類的位置及游動速度，但因魚體離鏡頭的距離以及水深不同也會造成誤差。為得到魚類更多的行為特征參數(shù)，Stien等[50]與Petrell等[51]利用個體追蹤法研究了魚類的垂直分布與行為活動節(jié)律，但由于追蹤個體魚體在后期易被遮擋，導致數(shù)據(jù)處理難度加大，且準確率低，不適宜于商業(yè)養(yǎng)殖的高密度環(huán)境，目前已由個體追蹤轉(zhuǎn)為群體分析。Liu等[52]基于計算機視覺技術測量了大西洋鮭魚群體攝食活動，并用攝食活動指數(shù)(CVFAI)來控制投飼系統(tǒng)的啟停。另外魚群在攝食時會集群游到水面進行搶食，造成水面的波動和反光，依據(jù)此特點，趙健等[53]改進動能模型，對反光區(qū)域特征進行統(tǒng)計分析，最終結(jié)合反光區(qū)域的變化幅度信息對魚群的攝食強度進行評估。但此方法不適用于養(yǎng)殖體體格小、規(guī)模較小的養(yǎng)殖，因其攝食時無法引起明顯的水面波動與反光，并且反光物質(zhì)也會存在干擾。除此之外，胡利永等[54]提取魚群的圖像特征和水花面積特征參數(shù)，利用擬合函數(shù)建立計算模型，投飼量的多少由魚群面積比率的變化量決定，但是水面波動與反光會給后期數(shù)據(jù)處理帶來困難。為解決水面波動和水花的干擾，陳彩文等[55]提出了基于圖像紋理的魚群攝食自動監(jiān)測識別方法，共提取了13個紋理特征，運用SVM算法對結(jié)果進行分類識別，精度可達到96.5%。為進一步提高判斷的精確度，郭強等[56]在魚群圖像形狀及紋理特征的基礎上，計算形狀參數(shù)與圖像熵利用BP神經(jīng)網(wǎng)絡建模，檢測識別魚群的攝食強度，但缺乏考慮外界環(huán)境對攝食行為的影響。計算機視覺技術的研究目前比聲學技術較為深入，比如挪威AKVA公司的AKvasmart CCS自動投飼系統(tǒng)，便是基于計算機視覺技術，同時對40個網(wǎng)箱遠程投飼，喂料量可達11 520 kg/h，輸送距離可達1 400 m。

3.1.2 基于紅外光

可見光一般適用于實驗室、網(wǎng)箱等光照條件較好的養(yǎng)殖設施，但大多現(xiàn)實養(yǎng)殖設施并非具有此條件。近紅外光成像技術可不受光照強度的影響，在相對黑暗條件下也能達到較好的成像效果，適用于識別光照條件差的養(yǎng)殖設施[57-58]，且成本低，易于開發(fā)。Zhou等[59]利用近紅外光成像技術，并對圖像進行處理獲得二值圖像，為消除水花飛濺和反光的影響，利用支持向量機、反射幀等方法進行去除，根據(jù)三角剖分法計算魚群攝食行為的聚集指數(shù)(FIFFB)，以此量化攝食行為，且與人為經(jīng)驗測量的相關系數(shù)達0.945。隨后Zhou等[60]又建立自適應網(wǎng)絡模糊推理系統(tǒng)(ANFIS)，實現(xiàn)了基于魚食欲的自動投喂策略，結(jié)果表明該模型進食精確度達98%，同時有效降低了飼料成本。事實上，近紅外系統(tǒng)已經(jīng)普遍運用于水產(chǎn)養(yǎng)殖中生物量、2D、3D的跟蹤，并取得了非常好的效果[61]。

3.2 基于聲學識別的研究進展

3.2.1 聲學監(jiān)測

通過監(jiān)測魚類的發(fā)聲特征來監(jiān)測攝食行為的方式被稱為被動聲學識別。在海洋中，很多水生生物都以聲音進行信號交流，目前發(fā)現(xiàn)鯨、豚等哺乳動物，鼓蝦(Alpheidae)，魚類中尤其是石首魚科發(fā)聲特征較為明顯。同為石首魚科的大黃魚和黃姑魚都會發(fā)出類似豬的“哼”叫聲[62]。對魚類進行長期聲學監(jiān)測還可以此推斷周期性繁殖行為、攝食行為等。研究發(fā)現(xiàn)，凡納濱對蝦的攝食聲特征可以衡量攝食活性強度，根據(jù)攝食聲脈沖的數(shù)量與特征頻率估算飼料的消耗量[63]。另外對大菱鲆攝食聲音研究發(fā)現(xiàn)，其攝食聲音與食欲存在線性關系[28]。聲學技術雖然能夠避免光照因素的影響，但背景噪聲是影響魚類攝食行為精確識別最主要的因素，湯濤林等[64]構(gòu)建聲學監(jiān)測平臺，發(fā)現(xiàn)羅非魚攝食頻率范圍為0～6 kHz，可與背景噪聲區(qū)分開來，且聲功率與攝食活性呈正相關。另外在7～10 kHz頻率范圍內(nèi)，大比目魚攝食聲信號受背景噪聲影響較小，且變化幅度為15～20 dB[65]。上述雖然利用攝食聲特征來評估魚類的攝食活性，但還需提高該方法的準確性，減少環(huán)境噪聲和其他隨機噪聲的影響。基于聲學監(jiān)測技術少數(shù)國家已成功研發(fā)了能夠更好滿足魚類攝食所需，更智能的投飼系統(tǒng)，加拿大Feeding Systems公司生產(chǎn)的The peney自動投飼設備，通過聲波傳感監(jiān)測養(yǎng)殖對象的活動跡象來控制投飼系統(tǒng)的始停；挪威CageEye公司的自動飼喂系統(tǒng)從生物和環(huán)境數(shù)據(jù)聲吶傳感器收集數(shù)據(jù)，再使用智能算法和“學習機制”來分析數(shù)據(jù)，進而做出投喂反饋，使飼喂性能提高至少10%。

3.2.2 聲吶成像

除攝食聲信號特征外，聲吶成像技術近年來在漁業(yè)聲學中取得了很大的進展，利用聲學傳感系統(tǒng)獲取未被攝食飼料的聲吶圖像[66]，基于自動投飼系統(tǒng)的開發(fā)。在識別聲吶系統(tǒng)中，雙頻識別聲吶系統(tǒng)在12 m內(nèi)可獲得接近視頻的清晰圖像，可確定魚體游動的幅度以及能見度為零時游動的方向，彌補了聲吶與光學系統(tǒng)之間的差距，已被應用于水壩附近鮭魚行為監(jiān)測中[67]。聲吶成像技術與光學圖像處理方法相似，但前者還包括回波強度、能量等信息，比光學圖像包含的信息更豐富。一些研究表明，魚群的密度與空間分布可反應魚類的食欲，可采用聲學重建魚群體積，分析魚群的數(shù)量、分布、長度等特征[68-70]，尤其對于高密度養(yǎng)殖，聲吶成像技術能夠更好地監(jiān)測魚類行為以及生物量的估算。

4 討論與展望

4.1 計算機視覺技術與聲學技術的對比分析

雖然計算機視覺技術在魚類行為識別中運用廣泛，但在采集魚群圖像時易受目標環(huán)境的影響，魚體在不同背景下成像狀態(tài)有所不同，其圖像的顏色、紋理、形狀等特征表達都會發(fā)生變化。目前單特征分析局限較大[71]，不能對攝食行為進行多角度、全方位的觀察分析。可見光對養(yǎng)殖設施的光照強度要求較高，雖然使用近紅外成像有所彌補[59]，但在黑暗且水質(zhì)混濁狀況下仍無法使用。在聲學監(jiān)測中常以水聽器為信號采集設備[72]，其操作簡單且靈敏度高。可實時顯示監(jiān)測到頻率、能量、波形等，但易受環(huán)境等非攝食聲音的干擾，在高密度養(yǎng)殖中還需避免魚體撞擊水聽器。聲吶成像系統(tǒng)也同樣會受噪聲的影響，然而雙頻識別聲吶系統(tǒng)由于靈敏度高，不必再進行降噪處理[67]，但掃描影像比較狹窄。由于水下環(huán)境復雜導致多目標跟蹤與光學成像相比更加復雜，計算量更大，并且經(jīng)典的多目標跟蹤算法并不適用于魚類的多目標跟蹤，主要面臨的問題為背景噪聲、目標運動隨機性導致的交叉與消失等狀況引起觀測量的不確定。

隨著計算機處理速度的不斷提升以及圖像處理算法的不斷優(yōu)化，計算機視覺技術在魚類攝食行為識別方面得到很大提高，聲學技術可對水體內(nèi)魚類的數(shù)量、空間位置以及行為進行識別。兩種技術具體優(yōu)缺點如表1所示。

表1 計算機視覺技術與聲學技術的優(yōu)缺點

目前攝食模型研究大多停留在理論上，并未與實踐結(jié)合。雖然數(shù)學模型對于評估整個魚群的采食量非常有用，但需要人為建立食物攝取量與影響因素之間的映射關系，易受到主觀經(jīng)驗的影響[4]。另外在提取特征參數(shù)時，不能考慮多種因素的影響，如不同生長階段、不同體格、不同水環(huán)境等因素都會致使攝食量與攝食活性的差異。導致攝食模型的普遍化低，準確率不穩(wěn)定。

4.2 改善信息采集途徑

聲信號采集中存在很多復雜的背景噪聲，需利用濾波進行處理，才能更好地提取攝食聲信號特征[73]，但濾波方式多種多樣，尤其對于水聲信號，需要獲得效果較好的濾波方法。除在后期數(shù)據(jù)處理上進行修正外，也可建立消音室，如在生活中許多建筑追求隔音效果，會安裝雙層隔空玻璃、隔音墻等，除此之外可將操作設備移至控制室，減少設備干擾。

為進一步提高系統(tǒng)對攝食行為判斷的準確性，可利用聲學監(jiān)測技術與計算機視覺技術相結(jié)合。除此之外，在圖像信息中充分利用圖像特征所表達的多種信息，使不同特征之間相互互補，可獲得穩(wěn)定性強、抗干擾能力好的檢測效果。另外，在監(jiān)測過程中需保持內(nèi)部和外部環(huán)境的穩(wěn)定性，防止因目標環(huán)境變動而引起數(shù)據(jù)差異。包括水質(zhì)、水溫等水環(huán)境以及外部環(huán)境材料等，可建立全天候、多方位、智能化養(yǎng)殖水質(zhì)監(jiān)測設備，避免反光材料等措施。

4.3 提高投飼系統(tǒng)的精確性和普遍性

隨著大數(shù)據(jù)時代的到來，數(shù)據(jù)處理具有更加高速率、高可靠、低時延等特點，為更多智能化設備提供了新的發(fā)展機遇，尤其對自動投飼系統(tǒng)軟件靈敏度的提升。目前為提高投飼系統(tǒng)啟停判斷的準確性，已采用智能化算法替代傳統(tǒng)算法，可自動建立采食量與環(huán)境因素的映射關系。但考慮的影響因素仍不夠全面，在不同環(huán)境、不同生長階段攝食行為會發(fā)生明顯的變化。對水產(chǎn)養(yǎng)殖而言養(yǎng)殖用水是否適宜于養(yǎng)殖對象是成功的關鍵，因此可在預測模型中添加參數(shù)對環(huán)境因素進行規(guī)范，這樣可在適宜的養(yǎng)殖環(huán)境中對參數(shù)進行調(diào)節(jié)提高模型的準確性與普遍性。

5 結(jié)語

目前對于魚類攝食行為的研究仍不夠深入，主要由于環(huán)境的復雜性和魚類行為的不確定性，導致識別攝食行為的準確性較低。雖然計算機視覺技術對于魚類的攝食行為量化有很大的提升，但對于投飼系統(tǒng)的軟件開發(fā)仍停留在理論研究階段，怎樣將技術與裝備研發(fā)相結(jié)合是未來解決問題的關鍵。國內(nèi)關于魚類攝食聲學研究仍處于起步階段，對少數(shù)水生生物攝食聲研究發(fā)現(xiàn)，其特征與攝食活性密切相關，但未得出具體攝食模型。挪威三文魚投飼系統(tǒng)已利用被動聲學實現(xiàn)自動投喂，但此系統(tǒng)僅限于三文魚。基于養(yǎng)殖魚類攝食聲的被動聲學研究將有望突破投飼系統(tǒng)智能化的瓶頸，但需針對特定種類和特定養(yǎng)殖環(huán)境對其進行被動聲學的研究，尋找攝食聲信號特征與養(yǎng)殖魚類攝食活性間的相關性，建立準確的攝食模型，達到實時按需投喂，實現(xiàn)投飼系統(tǒng)由機械化走向智能化。

□