基于YOLOv5s-Mask和梯度回归的对虾投饵量预测系统设计  

作　　者：闫家兴 刘敏 

机构地区：[1]河北农业大学海洋学院,河北秦皇岛066000

出　　处：《科学养鱼》2023年第10期80-82,共3页Scientific Fish Farming

基　　金：河北省属高等学校基本科研业务费研究项目(KY2021012)。

摘　　要：在传统的凡纳滨对虾养殖过程中,需要根据养殖经验确定投喂量,容易导致饲料过剩或不足的问题。为解决这一问题,研究者建立预测模型预测投喂量,主要使用BP神经网络预测模型对水产养殖投饵量进行预测(杨加庆,2018;陆天辰,2020)。近年来,随着计算机深度学习的发展,相关模型具有更强的数据挖掘和泛化能力。何津民(2022)提出IPSO-CNN-LSTM-ATTN对虾投饵量预测模型,改善了BP神经网络过拟合和稳定性差的问题,然而该类模型训练数据来自养殖记录,这需要人工长期进行记录。

关 键 词：投饵量 养殖经验 投喂量 数据挖掘 深度学习 预测系统 水产养殖 BP神经网络 

分 类 号：S968.22[农业科学—水产养殖] TP391.41[农业科学—水产科学]