基于改进 VGG16 与声谱图评估尼罗罗非鱼（Oreochromis niloticus）摄食强度：精准养殖的新突破

在水产养殖中，为解决了解鱼类食欲以制定有效投喂策略的问题，研究人员开展了利用声谱图和卷积神经网络评估罗非鱼（Oreochromis niloticus）摄食强度的研究。结果显示该方法分类准确率达 94.37%，优于原模型，对提高罗非鱼养殖饲料利用率意义重大。

　　在水产养殖中，了解鱼类的食欲对于制定有效的投喂策略至关重要。鱼类的摄食强度是其食欲的直接指标。本研究旨在开发一种利用声谱图（acoustic spectrogram）和卷积神经网络（convolutional neural network）评估鱼类摄食强度的方法。该算法将摄食强度分为强、中、弱和无四个等级。通过在循环水系统中收集尼罗罗非鱼（Oreochromis niloticus，罗非鱼）的声学摄食信号，并将这些信号转换为声谱图，以可视化不同频率随时间变化的振幅。利用改进的 VGG16 模型（结合专门设计的注意力机制融合模块）来准确评估摄食强度。实验结果表明，与原始模型相比，该方法将分类准确率提高了 1.83%，达到 94.37%，计算速度提高了 2.77%。与其他经典网络模型的对比进一步验证了该模型的性能优势。这种方法提供了一种客观、自动化的检测鱼类摄食强度的方式，可应用于提高罗非鱼养殖过程中的饲料利用率。