(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111642230.4 (22)申请日 2021.12.2 9 (71)申请人 北京市农林科 学院信息技 术研究中 心 地址 100097 北京市海淀区曙光 花园中路 11号农科大厦A座1 107 (72)发明人 周超　冯双星　杨信廷　孙传恒　 赵振锡　刘锦涛　 (74)专利代理 机构 北京路浩知识产权代理有限 公司 11002 专利代理师 郭亮 (51)Int.Cl. A01K 61/80(2017.01) A01K 61/10(2017.01) G06K 9/62(2022.01)G06N 3/04(2006.01) G06V 20/40(2022.01) G06V 10/774(2022.01) G06V 10/82(2022.01) (54)发明名称 鱼群的摄食强度分级 方法、 装置及智能调速 投饲机 (57)摘要 本发明提供一种鱼群的摄食强度分级 方法、 装置及智能调速投饲机， 该方法包括： 获取鱼群 摄食视频数据， 并根据所述视频数据提取固定帧 数的短视频段； 将所述短视频段输入训练后的3D   RESNET‑GLORE网络模型， 输 出鱼群摄食行为等级 的识别结果； 其中， 所述3D  RESNET‑GLORE网络模 型为包括多组残差网络的模型， 每组残差网络包 括RESIDUAL残差块和GLORE单元。 该方法能够真 实反应鱼群的动态特性， 从而有利于提高识别结 果的准确性， 同时基于包括RESIDUAL残差块和 GLORE单元的3D  RESNET‑GLORE网络模型， 使得检 测模型较少容量的情况下， 能够具有较高的准确 度。 权利要求书2页 说明书9页 附图4页 CN 114451338 A 2022.05.10 CN 114451338 A 1.一种鱼群的摄食强度分级方法， 其特 征在于， 包括： 获取鱼群 摄食视频 数据， 并根据所述视频 数据提取固定帧数的短视频 段； 将所述固定帧数的短视频段输入训练后的3D  ResNet‑GloRe网络模型， 输出鱼群摄食 行为等级的识别结果； 其中， 所述3D  ResNet‑GloRe网络模型， 根据已知摄食行为等级的样本视频数据进行训 练后得到； 所述3D  ResNet‑GloRe网络模型为包括多组残差网络的模 型， 每组残差网络包括 3D Residual残差块和Gl oRe单元。 2.根据权利要求1所述的鱼群的摄食强度分级方法， 其特征在于， 所述将所述固定帧数 的短视频段输入训练后的3D  ResNet‑GloRe网络模型， 输出鱼群摄食 行为等级的识别结果， 包括： 将所述固定帧数的短视频段输入3D  ResNet‑GloRe网络模型， 经3D卷积层提取特征后， 依次输入四组3D残差网络， 再 经由平均池化后， 得到 视频特征图； 根据所述视频 特征图， 输出摄食行为识别结果； 其中， 3D ResNet‑GloRe是将3D  ResNet18每组的第二个残差块用轻量级3D  GloRe  unit替换得到， 3D  ResNet‑GloRe每组3D残差网络， 均包括一个Residual残差块和一个3D   GloRe单元。 3.根据权利要求2所述的鱼群的摄食强度分级方法， 其特征在于， 所述依次输入四组3D 残差网络， 再 经由平均池化后， 得到 视频特征图， 包括： 将3D卷积层提取的特 征输入第一组残差网络的3D  Residual残差块； 每一组残差网络的3D  Residual残差块的输出， 作为同组3D  GloRe单元的输入， 每组3D   GloRe单元的输出作为下组3D  Residual残差块的输入， 直至得到第四组残差网络的3D   GloRe单元输出结果； 根据第四组残差网络的3D  GloRe单元输出结果， 进行平均池化后， 得到所述视频特征 图。 4.根据权利要求1所述的鱼群的摄食强度分级方法， 其特征在于， 所述将所述固定帧数 的短视频 段输入训练后的3D  ResNet‑GloRe网络模型之前， 还 包括： 获取不同等级的鱼群摄食行为视频数据， 并分别提取不同的固定帧数的短视频段， 作 为不同的样本数据； 确定样本数据的鱼群 摄食行为 等级， 作为对应的标签； 将每个样本 的固定帧数的短视频段输入搭建的3D  ResNet‑GloRe网络模型， 根据输出 结果和对应的标签， 对所述3D  ResNet‑GloRe网络模型的参数进行 更新； 重复对所述3D  ResNet‑GloRe网络模型的参数进行更新的过程， 直至满足预设达标条 件， 得到所述训练后的3D  ResNet‑GloRe网络模型。 5.根据权利要求1所述的鱼群的摄食强度分级方法， 其特征在于， 所述根据所述视频数 据提取固定帧数的短视频 段， 包括： 根据所述视频 数据， 通过 预设大小的滑动窗口采样， 提取 连续的固定帧数的短视频 段。 6.根据权利要求1所述的鱼群的摄食强度分级方法， 其特征在于， 所述输出鱼群摄食行 为等级的识别结果之后， 还 包括： 根据所述鱼群 摄食行为 等级， 控制投饲机投饵量或投饵 速度。权　利　要　求　书 1/2 页 2 CN 114451338 A 27.一种鱼群的摄食强度分级装置， 其特 征在于， 包括： 输入模块， 用于获取鱼群摄食视频数据， 并根据所述视频数据提取固定帧数的短视频 段； 处理模块， 用于将所述固定帧数的短视频段输入训练后的3DResNet ‑GloRe网络模型， 输出鱼群 摄食行为 等级的识别结果； 其中， 所述3D  ResNet‑GloRe网络模型， 根据已知摄食行为等级的样本视频数据进行训 练后得到； 所述3D  ResNet‑GloRe网络模型为包括多组残差网络的模 型， 每组残差网络包括 Residual残差块和Gl oRe单元。 8.一种智能调速投饲机， 其特 征在于， 包括： 变频调速器、 饲料箱、 下料动力装置、 饲料吹送装置以及权利要求7所述的鱼群的摄食 强度分级装置； 所述变频调速器， 与所述下料动力装置连接， 通过多段速控制 实现下料动力装置的不 同档速的饲料排 放； 所述多段速与识别结果的不同等级对应； 所述饲料箱用于盛放饵料， 所述饲料吹送装置， 包括吹风电动机以及长距离饲料输送 管， 用于传输饲料。 9.一种电子设备， 包括存储器、 处理器及存储在所述存储器上并可在所述处理器上运 行的计算机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求1至6任一项所 述鱼群的摄食强度分级方法的步骤。 10.一种非暂态计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算 机程序被处 理器执行时实现如权利要求1至 6任一项所述鱼群的摄食强度分级方法的步骤。权　利　要　求　书 2/2 页 3 CN 114451338 A 3