左渠，田云臣，馬國強(qiáng)

水產(chǎn)養(yǎng)殖智能投飼系統(tǒng)研究進(jìn)展和存在問題

左渠，田云臣通信作者，馬國強(qiáng)

（天津農(nóng)學(xué)院 計算機(jī)與信息工程學(xué)院，天津 300392）

集約化、規(guī)?；?、設(shè)施化水產(chǎn)養(yǎng)殖的不斷發(fā)展對投飼系統(tǒng)提出了新的要求。智能投飼系統(tǒng)以其自動化、智能化的特點成為提高飼料利用率、控制養(yǎng)殖成本的重要手段。首先介紹投飼系統(tǒng)的發(fā)展進(jìn)程和智能投飼系統(tǒng)的概念及結(jié)構(gòu)，然后分別從智能投飼硬件裝備和魚類攝食強(qiáng)度智能分析兩方面詳細(xì)介紹了水產(chǎn)養(yǎng)殖智能投飼系統(tǒng)的研究進(jìn)展，最后指出了目前我國智能投飼系統(tǒng)存在的與產(chǎn)業(yè)結(jié)合不密切、系統(tǒng)性不足及市場化程度不高等問題。

水產(chǎn)養(yǎng)殖；智能投飼；攝食強(qiáng)度；研究進(jìn)展

我國是水產(chǎn)養(yǎng)殖大國，養(yǎng)殖產(chǎn)量已經(jīng)超過了全球總產(chǎn)量的70%[1]。水產(chǎn)養(yǎng)殖作為我國農(nóng)業(yè)生產(chǎn)的重要組成部分，在推動我國農(nóng)業(yè)經(jīng)濟(jì)發(fā)展、提高人民生活水平等方面扮演著重要角色，但還存在成本高、效益低等問題，因此降低餌料成本十分重要。但單純減少餌料投喂量，不僅不符合養(yǎng)殖動物的生長規(guī)律，還會間接加大水產(chǎn)養(yǎng)殖風(fēng)險，反而降低效益，因此合理的投喂是決定水產(chǎn)養(yǎng)殖效率和成本的主要因素[2]。我國的水產(chǎn)養(yǎng)殖投喂經(jīng)歷了人工、機(jī)械、自動等不同的發(fā)展階段，隨著物聯(lián)網(wǎng)、人工智能等信息技術(shù)的進(jìn)步和集約化、規(guī)?；B(yǎng)殖不斷擴(kuò)大，智能投飼系統(tǒng)發(fā)展迅速。

1 投飼系統(tǒng)的發(fā)展進(jìn)程

我國投飼裝備的試制始于20世紀(jì)70年代末。1978年以后，漁業(yè)機(jī)械儀器研究所（現(xiàn)中國水產(chǎn)科學(xué)研究院漁業(yè)機(jī)械儀器研究所）研制成功多種類型的自動型投飼機(jī)和增氧投飼機(jī)，中國農(nóng)業(yè)大學(xué)研制出螺旋輸送式供料和機(jī)械振動分料供料2種投飼機(jī)，一批企業(yè)也相繼試制、生產(chǎn)了多種投飼機(jī)。但由于投飼機(jī)技術(shù)不夠成熟，性能不太穩(wěn)定，加上養(yǎng)殖戶對投飼機(jī)產(chǎn)品認(rèn)識不足，投飼裝備的普及率長期處于較低水平。從上世紀(jì)90年代中期開始，養(yǎng)殖戶逐漸認(rèn)識到使用投飼機(jī)可以提高飼料的利用率，有助于增產(chǎn)、增收，因而投飼機(jī)的產(chǎn)銷量開始大幅度提高[3]。此后，國家陸續(xù)出臺了多個農(nóng)機(jī)產(chǎn)品補(bǔ)貼政策，進(jìn)一步促進(jìn)了投飼機(jī)發(fā)展[4]。

國外投飼系統(tǒng)的研究相對國內(nèi)較早，技術(shù)相對較為成熟。在挪威、美國、加拿大等國自動化投餌系統(tǒng)已得到較為廣泛應(yīng)用，智能投飼系統(tǒng)的研究也取得了良好進(jìn)展。

隨著魚類生理學(xué)、營養(yǎng)學(xué)和行為學(xué)研究不斷深入，人們應(yīng)用計算機(jī)技術(shù)和傳感器技術(shù)開發(fā)出能在線計算養(yǎng)殖對象飼料需求量的投飼裝備。這種投飼機(jī)配備了各種監(jiān)測和反饋設(shè)備，具有一定的自動判斷養(yǎng)殖對象飼料需求的能力，被認(rèn)為是具有高適應(yīng)性的智能投飼系統(tǒng)，以此展開了水產(chǎn)養(yǎng)殖智能投飼系統(tǒng)的研究。

2 智能投飼系統(tǒng)及其研究進(jìn)展

智能投飼系統(tǒng)（圖1）將傳感器、機(jī)器視覺、物聯(lián)網(wǎng)等智能化信息技術(shù)應(yīng)用于傳統(tǒng)的投飼裝備，除具有基本的投放飼料功能外，還可以根據(jù)養(yǎng)殖品種、生長發(fā)育周期、養(yǎng)殖密度、水質(zhì)條件、養(yǎng)殖動物行為等進(jìn)行調(diào)整，實現(xiàn)精準(zhǔn)化、智能化按需投喂，具有自動化、一體化程度高的優(yōu)點。

圖1 智能投飼系統(tǒng)

水產(chǎn)養(yǎng)殖智能投飼系統(tǒng)研究主要分為兩類：一類是智能投飼裝備的研究，從硬件設(shè)備角度出發(fā)，通過應(yīng)用傳感器、控制器等優(yōu)化投飼系統(tǒng)，使之達(dá)到智能化的要求；另一類是魚類攝食強(qiáng)度的研究，從計算機(jī)軟件角度出發(fā)，利用機(jī)器視覺技術(shù)、圖像處理技術(shù)、智能算法等對魚類的攝食行為進(jìn)行評估以獲取投飼量，或是通過對水質(zhì)環(huán)境的監(jiān)控自動調(diào)整投飼量與投飼時間，實現(xiàn)智能化投喂。

2.1 智能投飼裝備研究進(jìn)展

智能投飼裝備從應(yīng)用范圍可分為池塘養(yǎng)殖、工廠化養(yǎng)殖和網(wǎng)箱養(yǎng)殖3種類型。

2.1.1 池塘養(yǎng)殖智能投飼裝備

隨著養(yǎng)殖面積的逐漸增大，各種適用于大面積池塘養(yǎng)殖的投飼裝備也在不斷地研制開發(fā)。研究人員結(jié)合池塘條件，重點解決了投飼裝備存在的投喂范圍小、投喂距離近、拋料不均勻等問題。同時，集成自動控制、氣力傳輸、自動稱重等技術(shù)與裝置，基本實現(xiàn)了投飼系統(tǒng)的自動化。

吳強(qiáng)澤等[5]研發(fā)了以可編程邏輯控制器（Programmable Logic Controlle，PLC）為控制中心的智能投飼機(jī)，通過水溫傳感器（Troll-9500）監(jiān)測水溫對魚類攝食行為的影響。結(jié)果表明，魚類生長對水溫有很高的要求，在最適合的水溫環(huán)境下，攝食效果也最高。在此基礎(chǔ)上，設(shè)計了一種以水溫為輸入?yún)?shù)的定時控制方法（水溫為控制變量，時間為輸出變量），根據(jù)當(dāng)天水溫平均值決定第二天的投飼次數(shù)。

徐志強(qiáng)等[6]研發(fā)的遠(yuǎn)程精準(zhǔn)化投喂投飼機(jī)，主要通過提高風(fēng)機(jī)的功率來實現(xiàn)更遠(yuǎn)距離（至少600米）、更高精度（定量）、更自動化（定時）的投飼。驅(qū)動控制采用USS protocol協(xié)議，PLC控制器與變頻器之間采用RS485總線通訊，大大減少了PLC模擬量與數(shù)字量擴(kuò)展模塊的工作。研究結(jié)果表明，在多池塘投喂作業(yè)時，投餌量可達(dá)1.05 t/h，拋投半徑≥7 m，定量精度為最小投飼量（25± 2%）kg。

顧靖峰[7]引入集中氣力輸送投飼、水質(zhì)增氧一元化設(shè)計理念，將氣力輸送與水體增氧功能有機(jī)整合，研發(fā)了自動投飼增氧系統(tǒng)。系統(tǒng)采用集中式設(shè)計，設(shè)有大型組合料倉，以滿足多個投飼設(shè)備的投飼需要，采用獨創(chuàng)的無動力旋轉(zhuǎn)撒料器，播撒距離大，可360度無死角投餌，并且主控機(jī)可“一機(jī)兩用”，實現(xiàn)了氣力輸送與增氧曝氣功能有機(jī)整合。

楊朦朦[8]研發(fā)了一種能進(jìn)行精準(zhǔn)化投喂作業(yè)的智能投飼裝備，其基本結(jié)構(gòu)由送料裝置、稱重裝置和拋料裝置組成。由于安裝了稱重裝置，實現(xiàn)了飼料重量的實時讀取，根據(jù)水溫和溶氧量設(shè)計了二維模糊控制器，將水溫和溶氧量輸入模糊控制器后得到精準(zhǔn)的投喂量。結(jié)果表明，預(yù)定投喂量與實際投喂量之間的誤差均控制在0.2%～1.7%范圍以內(nèi)。

2.1.2 工廠化養(yǎng)殖智能投飼裝備

水產(chǎn)養(yǎng)殖面臨資源、環(huán)境、成本、效率等諸多約束，因此具有環(huán)保效果好、生產(chǎn)效率高、占地面積小等優(yōu)點的工廠化養(yǎng)殖逐漸成為水產(chǎn)養(yǎng)殖的發(fā)展方向，對智能投飼裝備提出了新的要求。針對工廠化養(yǎng)殖投飼裝備的需求，綜合運用路徑規(guī)劃、傳感器、計算機(jī)軟件及物聯(lián)網(wǎng)技術(shù)，研發(fā)的軌道式、自走式投飼裝備以及多層水槽式工廠化循環(huán)水養(yǎng)殖系統(tǒng)智能投飼車，實現(xiàn)了定時、定量、定點投飼。

袁凱等[9]研發(fā)的軌道式自動投飼系統(tǒng)，建立了一種由H型鋼軌道、電動滑車、超聲波距離傳感器、拉壓力傳感器、料倉和下料機(jī)構(gòu)、電力和控制系統(tǒng)等組成的軌道式自動投飼系統(tǒng)模式，能一次完成一個車間里多達(dá)幾十個魚池或其中任意魚池的定時、定量精確投飼。

劉暉等[10]研發(fā)的自走式投飼機(jī)，應(yīng)用AT89S51單片機(jī)作為核心控制處理器，通過紅外線反射式光電傳感器對路徑進(jìn)行采集和單片機(jī)控制，使餌料裝載底盤能夠根據(jù)預(yù)先設(shè)定的黑色引導(dǎo)線自主行走到達(dá)投餌工位，完成投餌作業(yè)。此外，還可根據(jù)養(yǎng)殖面積、養(yǎng)殖品種，快速變更投餌方式。

劉思[11]研發(fā)了一種基于PLC的自動投飼機(jī)，在實驗平臺上測試了行走速度、定位精度、投飼速度和投飼精度4個系統(tǒng)性能指標(biāo)，實現(xiàn)了集上料、行走、投飼功能于一體的定點、定時、定量全自動化飼料投喂以及運行狀態(tài)和歷史數(shù)據(jù)實時查詢等功能。行走速度18 m/min，投飼速度1 kg/min，投飼精度0.5%～2.2%，定位精度110 mm。

肖紅俊等[12]研發(fā)的多層水槽式工廠化循環(huán)水養(yǎng)殖系統(tǒng)智能投飼車由循跡小車、投飼裝置和控制系統(tǒng)等組成，能根據(jù)紅外對管采集的軌道信息和壓力傳感器采集的飼料信息判別是否投飼或補(bǔ)料，進(jìn)而實現(xiàn)智能定點定量投飼。運行速度達(dá)到0.5～2.2 m/s，投飼的定位精度誤差在2 cm以內(nèi)，投飼量誤差能控制在10 g以內(nèi)。

2.1.3 網(wǎng)箱養(yǎng)殖智能投飼裝備

發(fā)展深水網(wǎng)箱養(yǎng)殖是增加水產(chǎn)品供給的重要途徑，在我國具有非常廣闊的發(fā)展前景。按照網(wǎng)箱養(yǎng)殖模式，網(wǎng)箱養(yǎng)殖智能投飼裝備可分為水面網(wǎng)箱投飼和深水網(wǎng)箱投飼2種，科研人員也研發(fā)了相應(yīng)的智能投飼系統(tǒng)。水面網(wǎng)箱養(yǎng)殖智能投飼系統(tǒng)重點解決投飼勞動強(qiáng)度大的問題，深水網(wǎng)箱養(yǎng)殖智能投飼系統(tǒng)則主要基于實時觀察魚類的生長狀況實現(xiàn)精準(zhǔn)投飼。

李康寧等[13]研發(fā)的可定量投飼的移動式淡水網(wǎng)箱自動投飼機(jī)，主要應(yīng)用了傳感器、軌道傳動和PLC技術(shù)。其核心部件是定量下料機(jī)構(gòu)，通過控制步進(jìn)電機(jī)的旋轉(zhuǎn)角度，進(jìn)而控制旋轉(zhuǎn)葉輪的旋轉(zhuǎn)角位移，實現(xiàn)定量投飼。結(jié)合行走系統(tǒng)、定量下料機(jī)構(gòu)和左右拋料機(jī)構(gòu)，實現(xiàn)了移動式投飼。

劉志強(qiáng)等[14]研發(fā)的海上網(wǎng)箱養(yǎng)殖投飼炮，可投放顆粒飼料和用作飼料的鮮雜魚，速率可調(diào)，輸送管道直徑110 mm。投飼炮可投喂長度≤15 cm的鮮雜魚和當(dāng)量直徑≤4 cm的顆粒飼料，顆粒飼料投放距離為4.5～18.2 m，投放效率為14.8～ 19.2 kg/min。鮮雜魚投放距離為6.6～16.9 m，投放效率為15.1～19.7 kg/min。

張旭澤等[15]設(shè)計的深海網(wǎng)箱全自動投餌系統(tǒng)，采用4G網(wǎng)絡(luò)傳輸數(shù)據(jù)，將各種數(shù)據(jù)通過4G移動網(wǎng)絡(luò)發(fā)送至最近的岸基中轉(zhuǎn)站，之后通過網(wǎng)絡(luò)傳輸給控制端電腦，從而控制投飼機(jī)的全自動投料工作，并監(jiān)控網(wǎng)箱以及魚群的活動狀況。該投飼機(jī)采用泡沫浮體結(jié)構(gòu)，可以抵御大風(fēng)浪的海況。經(jīng)長時間觀測和對數(shù)據(jù)進(jìn)行分析研究，投餌機(jī)達(dá)到了預(yù)期效果，大黃魚單箱成活率提高到92％。

2.2 魚類攝食強(qiáng)度評估研究進(jìn)展

魚類食欲可以通過攝食狀況反映，對指導(dǎo)投喂至關(guān)重要，根據(jù)魚類食欲自動調(diào)整投喂量是近年來研究和發(fā)展的趨勢。利用機(jī)器視覺獲取魚類攝食的實時圖像[16]，通過圖像處理、提取特征值以判斷魚類的攝食行為，為基于攝食行為反饋的智能投飼裝備研發(fā)奠定了基礎(chǔ)。

陳彩文等[17]提出了一種通過分析魚群的紋理來評估魚群攝食活動強(qiáng)度的方法。首先利用均值背景建模重建出沒有魚群的背景圖片，提取出目標(biāo)魚群，使用灰度共生矩陣對逆差矩、相關(guān)性、能量和對比度4個紋理特征進(jìn)行分析，得到魚群的攝食活動強(qiáng)度。試驗結(jié)果表明，魚群紋理的對比度與傳統(tǒng)方法面積法得到的魚群攝食活動強(qiáng)度的線性決定系數(shù)可達(dá)0.894 2。

ZHOU等[18]提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks，CNN）和機(jī)器視覺的魚食強(qiáng)度自動分級方法。首先，在飼喂過程中收集圖像，并使用旋轉(zhuǎn)、縮放和平移技術(shù)進(jìn)行圖像增強(qiáng)。然后，在訓(xùn)練數(shù)據(jù)時集中對CNN進(jìn)行訓(xùn)練，并使用訓(xùn)練后的CNN模型對魚的食欲水平進(jìn)行分級。最后，對該方法的性能進(jìn)行評估，并與其他定量和定性的飼喂強(qiáng)度評估方法進(jìn)行比較。結(jié)果表明，該方法分級精度達(dá)到90％。

趙建等[19]提出了一種基于改進(jìn)動能模型的魚群攝食活動強(qiáng)度評估方法。該方法避免了魚群目標(biāo)的前景提取和對魚群內(nèi)個體的跟蹤，直接以由魚群攝食活動引起的水面反光區(qū)域變化特征為關(guān)鍵因素進(jìn)行分析。首先，在色調(diào)/飽和/值（Hue/ Saturation/Value，HSV）色彩空間下對水面反光區(qū)域進(jìn)行分割、提取；其次，利用Lucas-Kanade光流、統(tǒng)計學(xué)方法以及信息熵對反光區(qū)域變化的不規(guī)律程度進(jìn)行計算和分析；最后，結(jié)合反光區(qū)域的變化幅度信息實現(xiàn)對魚群攝食活動強(qiáng)度的評估。通過試驗結(jié)果對比分析，該方法在單輪多次飽食投喂（間隔時間（40±2）s）下，針對不同腸胃飽滿指數(shù)（20.35±10、150.61±10）的羅非魚均能較好地描述魚群攝食活動強(qiáng)度。

喬峰等[20]采用機(jī)器視覺技術(shù)與嵌入式系統(tǒng)構(gòu)建了用于實時判斷魚群攝食狀況的圖像采集和處理系統(tǒng)。通過圖像處理技術(shù)提取魚群位置、數(shù)量特征值，得到魚群攝食規(guī)律；建立了投餌機(jī)下料和拋料等執(zhí)行機(jī)構(gòu)運動學(xué)與動力學(xué)模型；結(jié)合實時圖像處理結(jié)果得到魚群攝食規(guī)律和投餌機(jī)的執(zhí)行機(jī)構(gòu)模型，構(gòu)建智能投餌系統(tǒng)，并對投餌效果進(jìn)行了驗證。通過4組試驗結(jié)果對比表明，以白色像素點與總像素點比例小于10%作為停止投餌的判別標(biāo)準(zhǔn)是合理的，在保證魚群吃飽的情況下，平均餌料利用率提高7.92%。

CHEN等[21]提出了一種利用反向傳播神經(jīng)網(wǎng)絡(luò)（Back Propagation Neural Network，BPNN）和思維進(jìn)化算法（Mind Evolutionary Algorithm，MEA）的群體魚類飼料攝入預(yù)測模型。首先，選擇水溫、溶解氧、平均魚重和魚數(shù)4個因素作為BPNN模型的輸入。其次，通過MEA優(yōu)化BPNN的初始權(quán)重和閾值，以提高匹配精度。再次，通過訓(xùn)練獲得了預(yù)測模型。試驗結(jié)果表明，預(yù)測值與實測值之間的相關(guān)系數(shù)達(dá)到0.96。

郭俊[22]研究了一種基于圖像與聲音信息融合技術(shù)的魚群攝食規(guī)律及投餌策略。通過圖像采集處理技術(shù)，反映魚群的攝食規(guī)律；通過聲學(xué)技術(shù)（水聽器采集聲音信號）分析魚群在攝食過程中聲音信號的變化規(guī)律，計算出魚群攝食聲功率，以反映魚類的攝食需求；最后通過模糊集理論融合方法計算出投餌量及投餌速度。

3 存在的問題

盡管我國的水產(chǎn)養(yǎng)殖智能投飼系統(tǒng)研究取得了一定進(jìn)展，但由于技術(shù)、成本等因素制約，還存在一些需要解決的問題。

（1）盡管物聯(lián)網(wǎng)、人工智能等信息技術(shù)的進(jìn)步推動了水產(chǎn)養(yǎng)殖智能投飼系統(tǒng)的發(fā)展，但與水產(chǎn)養(yǎng)殖產(chǎn)業(yè)的深度融合還遠(yuǎn)遠(yuǎn)不夠，水產(chǎn)養(yǎng)殖中動物行為獲取、識別、分析的自動化、智能化水平仍有待提高。

（2）現(xiàn)有智能投飼系統(tǒng)有的注重投飼效率，有的關(guān)注投飼方式，有的突出自動化程度，未能將養(yǎng)殖品種、養(yǎng)殖模式、覓食習(xí)性、機(jī)械性能、智能化水平等作為一個整體進(jìn)行研究，系統(tǒng)性不高。

（3）過于強(qiáng)調(diào)技術(shù)的先進(jìn)性，忽視了系統(tǒng)的成本、實用性、可靠性、不同養(yǎng)殖模式的適應(yīng)性，導(dǎo)致智能投飼系統(tǒng)的市場化程度不高。

[1] 楊寧生，袁永明，孫英澤，等. 物聯(lián)網(wǎng)技術(shù)在我國水產(chǎn)養(yǎng)殖上的應(yīng)用發(fā)展對策[J]. 中國工程科學(xué)，2016，18（3）：57-61.

[2] ZHOU C，XU D，LIN K，et al. Intelligent feeding control methods in aquaculture with anemphasis on fish：a review[J]. Reviews in Aquaculture，2018，10：975-993.

[3] 葛一健. 我國投飼機(jī)產(chǎn)品的發(fā)展與現(xiàn)狀分析[J]. 漁業(yè)現(xiàn)代化，2010，37（4）：63-65.

[4] 莊保陸，郭根喜. 水產(chǎn)養(yǎng)殖自動投餌裝備研究進(jìn)展與應(yīng)用[J]. 南方水產(chǎn)，2008（4）：67-72.

[5] 吳強(qiáng)澤，袁永明. 基于PLC的投飼機(jī)定時控制器的設(shè)計[J]. 安徽農(nóng)業(yè)科學(xué)，2015，43（34）：350-352.

[6] 徐志強(qiáng)，王濤，鮑旭騰，等. 池塘養(yǎng)殖自動投飼系統(tǒng)遠(yuǎn)程精準(zhǔn)化升級與驗證[J]. 中國工程機(jī)械學(xué)報，2015，13（3）：272-276.

[7] 顧靖峰. 基于物聯(lián)網(wǎng)技術(shù)的集中式自動投飼增氧集成系統(tǒng)裝備的開發(fā)應(yīng)用[J]. 農(nóng)業(yè)開發(fā)與裝備，2016（3）：57-58.

[8] 楊朦朦. 池塘養(yǎng)殖精準(zhǔn)投喂量投餌機(jī)的研究[D]. 上海：上海海洋大學(xué)，2018.

[9] 袁凱，莊保陸，倪琦，等. 室內(nèi)工廠化水產(chǎn)養(yǎng)殖自動投飼系統(tǒng)設(shè)計與試驗[J]. 農(nóng)業(yè)工程學(xué)報，2013，29（3）：169-176.

[10] 劉暉，楊有泉，鄧素芳，等. 基于AT89S51的自走式投餌機(jī)械裝置控制系統(tǒng)設(shè)計[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息，2017（2）：124-128.

[11] 劉思. 基于PLC的自動投餌控制系統(tǒng)設(shè)計[D]. 湛江：廣東海洋大學(xué)，2017.

[12] 肖紅俊，劉凱，李莉莉，等. 多層水槽式工廠化循環(huán)水養(yǎng)殖系統(tǒng)智能投飼車設(shè)計[J]. 漁業(yè)現(xiàn)代化，2019，46（10）：21-26.

[13] 李康寧，李南南，劉利，等. 淡水網(wǎng)箱養(yǎng)殖自動投餌機(jī)設(shè)計[J]. 河北漁業(yè)，2018（4）：48-51.

[14] 劉志強(qiáng)，劉雙喜，李偉，等. 海上網(wǎng)箱養(yǎng)殖投飼炮的設(shè)計與試驗[J]. 漁業(yè)現(xiàn)代化，2015，42（3）：38-42.

[15] 張旭澤，周敏瓏，穆曉偉. 深海網(wǎng)箱全自動投飼機(jī)械結(jié)構(gòu)設(shè)計[J]. 機(jī)械工程師，2015（9）：120-124.

[16] 徐愫，田云臣，馬國強(qiáng)，等. 計算機(jī)視覺在水產(chǎn)養(yǎng)殖與生產(chǎn)領(lǐng)域的應(yīng)用[J]. 天津農(nóng)學(xué)院學(xué)報，2014，21（4）：43-46.

[17] 陳彩文，杜永貴，周超，等. 基于圖像紋理特征的養(yǎng)殖魚群攝食活動強(qiáng)度評估[J]. 農(nóng)業(yè)工程學(xué)報，2017，33（5）：232-237.

[18] ZHOU C，XU D M，CHEN L，et al. Evaluation of fish feeding intensity in aquaculture using a convolutional neural network and machine vision[J]. Aquaculture，2019，507：457-465.

[19] 趙建，朱松明，葉章穎，等. 循環(huán)水養(yǎng)殖游泳型魚類攝食活動強(qiáng)度評估方法研究[J]. 農(nóng)業(yè)機(jī)械學(xué)報，2016，47（8）：288-293.

[20] 喬峰，鄭堤，胡利永，等. 基于機(jī)器視覺實時決策的智能投餌系統(tǒng)研究[J]. 工程設(shè)計學(xué)報，2015，22（6）：528-533.

[21] CHEN L，YANG X T，SUN C H，et al. Feed intake prediction model for group fish using the MEA-BP neural network in intensive aquaculture[J]. Information Processing in Agriculture，2020，7（2）：261-271.

[22] 郭俊. 基于圖像與聲音信息的養(yǎng)殖魚群攝食規(guī)律與投餌技術(shù)研究[D]. 寧波：寧波大學(xué)，2018.

Research progress and problems of aquaculture intelligent feeding system

Zuo Qu, Tian YunchenCorresponding Author, Ma Guoqiang

（College of Computer and Information Engineering, Tianjin Agricultural University, Tianjin 300392, China）

The continuous development of intensive, large-scale facility aquaculture has put forward new requirements for feeding systems. The intelligent feeding system has become an important means to improve feed utilization rate and control breeding costs due to its automatic and intelligent characteristics. This article first introduced the development process, the concept and structure of the intelligent feeding system, and then detailed the research progress of the intelligent feeding system for aquaculture from the aspects of intelligent feeding hardware and intelligent analysis of fish feeding intensity. Finally, it pointed out that China’s current intelligent feeding system has some problems such as lack of close integration with industry, lack of systematicity and low degree of marketization.

aquaculture; intelligent feeding; feeding intensity; research progress

1008-5394（2020）04-0073-05

10.19640/j.cnki.jtau.2020.04.014

S969.31

A

2020-04-13

國家重點研發(fā)計劃（2020YFD0900600）；現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系專項資金資助（CARS-47）

左渠（1997—），男，碩士在讀，主要從事水產(chǎn)養(yǎng)殖物聯(lián)網(wǎng)技術(shù)研究工作。E-mail：zuoqu1001@163.com。

田云臣（1967—），男，教授，碩士，主要從事農(nóng)業(yè)信息技術(shù)研究工作。E-mail：tianyunchen@tjau.edu.cn。

責(zé)任編輯：張愛婷