来源：期刊VIP网 时间：
作者：张艺爔;胡泽元;左宇琪;贾松怡;刘吉航;陶红希;于红;
单位：大连海洋大学信息工程学院;大连市智慧渔业重点实验室;设施渔业教育部重点实验室(大连海洋大学);辽宁省海洋信息技术重点实验室;
摘要：【目的】解决暗光、浑浊和高密度养殖环境下，对于单任务鱼类异常行为识别精确度不高以及相似性鱼类异常行为难以准确识别的问题。【方法】提出一种多任务学习情况下鱼类异常行为及其姿态估计研究框架，命名为PD-DETR。通过Transformer架构实现端到端推理，平衡不同任务的损失权重，优化梯度冲突。通过自注意力编码器和协同注意力（SCSA）特征融合网络（SCSA-FPN），计算单鱼行为与鱼群行为的权重，平衡鱼群行为对个体行为的影响，降低相似性行为特征丢失。设计消融实验和模型对比实验，以证算法的有效性。【结果】PD-DETR在红鳍东方鲀（Takifugu rubripes）异常行为数据集上的识别精确率和平均精度分别达到95.1%和93.6%，较YOLOv11-det提升0.9%和0.3%；游动姿态估计精确率和平均精度分别达到91.2%和90.8%，较RT-DETR相比分别提升3.9%和4.4%；在多任务学习情况下异常识别任务和游动姿态估计任务的平均精度较单任务学习提升1.2%和1.7%。【结论】多任务学习网络PD-DETR实现了暗光、浑浊水质环境中的鱼类异常行为识别与游动姿态分析，有助于提高养殖效率，保障鱼类健康。
关键词：鱼类异常行为;;姿态估计;;多任务学习;;多任务梯度协调;;Transformer模型
基金资助：辽宁省科技计划联合基金（2023-BSBA-001）;; 辽宁省教育厅重点科研项目（LJKZ0729）;辽宁省教育厅基本科研项目（JYTQN2023132）;; 海洋渔业领域知识图谱构建项目（2023JH26/10200015）;; 设施渔业教育部重点实验室（大连海洋大学）开放课题（202313）
