来源：期刊VIP网 时间：
作者：王昊;汪淼;龙金龙;韩爱辉;吴俊峰;孙群汶;于红;
单位：大连海洋大学信息工程学院,辽宁省海洋信息技术重点实验室;设施渔业教育部重点实验室(大连海洋大学);大连天正实业有限公司;
摘要：为实现高效、精准、智能的鱼类投喂，以降低人员劳动强度、减少养殖成本，提出了一种基于多模态背景抑制网络(cross-modal background suppression network, CMBS)的鱼类摄食强度识别方法。CMBS网络基于多模态协同注意力机制、多头注意力融合模块和时间级、事件级的背景抑制模块，提高模型对重要特征区域的关注程度，降低单模态中存在的突发性噪音及视听信息不同步等问题对预测结果的影响；为评估本方法的有效性，分别在网络公开数据集AFFIA3K(实验室环境下采集的鱼类数据)与循环水养殖场(企业真实养殖环境下自采的鱼类数据)进行了方法验证与分析，并与目前主流的7类深度学习网络模型进行了对比分析。结果表明：CMBS模型对AFFIA3K数据集的摄食强度三分类准确率达到98.70%,高于传统单模态模型；对循环水养殖环境下的黄带拟鲹数据集的摄食强度三分类精度达到92.20%。研究表明，本文提出的CMBS网络模型具有较高的识别准确率，在真实的复杂循环水养殖环境下具有较强的抗干扰能力与稳定性。
关键词：鱼类投喂;;多模态;;背景抑制;;注意力机制;;真实养殖环境
基金资助：辽宁省教育厅项目(JYTQN2023133);; 辽宁省科学技术厅项目(2023-BSBA-019);; 辽宁省自然科学基金(2023-MSLH-008)
