沈 蔚,盧泉水,彭戰(zhàn)飛,曹正良,張 進(jìn)

(1 上海海洋大學(xué)海洋科學(xué)與生態(tài)環(huán)境學(xué)院,上海 201306;2 上海海洋大學(xué)上海河口海洋測(cè)繪工程技術(shù)研究中心,上海 201306)

南美白對(duì)蝦(Penaeusvannamei)是目前世界養(yǎng)殖產(chǎn)量最高的三大蝦類之一,其生存能力強(qiáng)、生長(zhǎng)快、養(yǎng)殖效益高,在中國(guó)對(duì)蝦產(chǎn)量中長(zhǎng)期穩(wěn)定在90%左右。蝦的行為研究在其投喂飼養(yǎng)、病害防治、生產(chǎn)捕撈等方面均有重要意義,而當(dāng)前這方面的研究尚不充分。傳統(tǒng)研究中,通常使用專門設(shè)計(jì)的透明或半透明水箱對(duì)蝦的行為開展視覺(jué)觀察、錄像回放和視頻軟件分析[4]等研究。這類方法均是在理想的實(shí)驗(yàn)室環(huán)境中開展,而在真實(shí)的養(yǎng)殖環(huán)境中卻很難實(shí)現(xiàn)[5]。隨著水聲技術(shù)的發(fā)展,有學(xué)者利用被動(dòng)聲吶接收蝦類饑餓時(shí)的運(yùn)動(dòng)聲信號(hào),蝦類攝入不同食物時(shí)的聲信號(hào)來(lái)開展其行為研究,以實(shí)現(xiàn)更加科學(xué)的蝦類飼養(yǎng)管理方案[5-6]。被動(dòng)聲吶蝦類觀測(cè),受環(huán)境噪聲影響較大,往往無(wú)法獲得理想的觀測(cè)數(shù)據(jù)。

近年來(lái),以雙頻識(shí)別聲吶(Dual-frequency Identification Sonar,DIDSON)為代表的主動(dòng)聲吶已廣泛應(yīng)用于水聲生物的行為觀察研究中。DIDSON可提供毫米級(jí)的高分辨率聲吶圖像,可用于漁業(yè)管理、結(jié)構(gòu)檢測(cè)、管道泄漏、水底探測(cè)、水下搜尋、水下安檢等領(lǐng)域[7-9]。在漁業(yè)資源管理方面,DIDSON已大量應(yīng)用于河流、湖泊、水庫(kù)等內(nèi)陸水域的魚類行為觀測(cè)、資源評(píng)估等研究[10-12],如通過(guò)聲陰影識(shí)別魚類[13]、海洋動(dòng)物群量化[14]、識(shí)別洄游魚類[15]、魚類長(zhǎng)度測(cè)量[16]和魚類行為評(píng)估等[17]。

本研究將DIDSON聲吶應(yīng)用于養(yǎng)殖塘南美白對(duì)蝦行為研究,開發(fā)了一套基于主動(dòng)識(shí)別聲吶探測(cè)和分析蝦類行為的方法,計(jì)算單位時(shí)間內(nèi)蝦群通量,并對(duì)養(yǎng)殖塘內(nèi)蝦類的巡游特性進(jìn)行分析,研究成果為養(yǎng)殖塘南美白蝦類的精細(xì)化養(yǎng)殖提供了準(zhǔn)確的數(shù)據(jù)支持。

1 材料與方法

1.1 研究區(qū)域

研究區(qū)域?yàn)樯虾Ｊ蟹钯t區(qū)某人工開挖封閉養(yǎng)殖池塘,長(zhǎng)170 m、寬60 m、深約1.5 m,橫剖面為倒梯形,邊緣淺中間深,底部平坦。研究對(duì)象為該塘人工飼養(yǎng)的南美白對(duì)蝦。

1.2 設(shè)備與原理

DIDSON聲吶是由美國(guó)華盛頓大學(xué)研發(fā),Sound Metrics公司生產(chǎn)的高分辨率雙頻識(shí)別聲吶[18]。其能在黑暗、渾濁的水中,利用聲鏡頭通過(guò)聲波聚焦形成非常狹窄的波束來(lái)生成接近光學(xué)照片畫質(zhì)的圖像[19]。其優(yōu)點(diǎn):壓縮波束不需要消耗能量,功率只有30 W;易于發(fā)射和接收同一個(gè)波束,避免出現(xiàn)接收錯(cuò)誤波束。本研究采用標(biāo)準(zhǔn)型的DIDSON,參數(shù)如表1所示,采用1.8 MHz的高頻檢測(cè)模式采集蝦類數(shù)據(jù)。

表1 DIDSON技術(shù)參數(shù)

1.3 試驗(yàn)設(shè)計(jì)

為實(shí)現(xiàn)養(yǎng)殖塘蝦群整體行為觀測(cè),在蝦塘四周共設(shè)置了8個(gè)觀測(cè)點(diǎn)位(如圖1所示),相互間隔40 m,兩岸對(duì)稱設(shè)置,有效避免重復(fù)探測(cè)和探測(cè)數(shù)據(jù)較少的情況。

圖1 蝦塘采樣點(diǎn)分布圖

傳統(tǒng)的架設(shè)支架定點(diǎn)觀測(cè)的方式會(huì)消耗大量的人力和時(shí)間,設(shè)計(jì)了一套基于智能雙體無(wú)人艇的DIDSON聲吶觀測(cè)系統(tǒng)(結(jié)構(gòu)示意見(jiàn)圖2),可實(shí)現(xiàn)較短時(shí)間內(nèi)對(duì)養(yǎng)殖塘內(nèi)蝦群的整體行為觀測(cè),提高了蝦群行為觀察能力,避免了管中窺豹,為準(zhǔn)確掌握蝦群的周期活動(dòng)規(guī)律提供了一種有效的技術(shù)思路。

圖2 基于DIDSON雙頻識(shí)別聲吶的智能雙體無(wú)人艇觀測(cè)系統(tǒng)

1.4 數(shù)據(jù)收集和處理

1.4.1 數(shù)據(jù)獲取

數(shù)據(jù)采集安排在養(yǎng)殖塘投喂前1～2 h,此時(shí)蝦群的行為比較活躍。DIDSON數(shù)據(jù)采集使用DIDSON V5.24軟件,實(shí)時(shí)記錄于采集電腦中,8個(gè)站點(diǎn)依次進(jìn)行探測(cè),探測(cè)時(shí)間設(shè)計(jì)為3 min,間隔時(shí)間約7 min。

本試驗(yàn)完整獲取了8組聲吶數(shù)據(jù)集(表2),保證了蝦類目標(biāo)提取和行為識(shí)別的準(zhǔn)確性。

表2 聲學(xué)觀測(cè)數(shù)據(jù)

1.4.2 數(shù)據(jù)處理

(1)目標(biāo)識(shí)別

本研究利用澳大利亞Echoview公司出品的水聲數(shù)據(jù)處理軟件,構(gòu)建圖像識(shí)別計(jì)數(shù)模型,開展蝦類目標(biāo)的提取與計(jì)數(shù)。模型技術(shù)流程如圖3所示,主要關(guān)鍵步驟包括:圖像增強(qiáng)模塊(設(shè)定不同的濾波器算法去除背景噪聲),目標(biāo)檢測(cè)模塊(設(shè)定閾值實(shí)現(xiàn)對(duì)一些過(guò)大和過(guò)小魚類目標(biāo)的篩選,并將多波束數(shù)據(jù)轉(zhuǎn)換為單個(gè)的魚類目標(biāo)數(shù)據(jù)),魚類目標(biāo)軌跡追蹤(同時(shí)跟蹤每個(gè)目標(biāo)的信息)[11]。

圖3 聲吶圖像目標(biāo)識(shí)別與計(jì)數(shù)模型

(2)目標(biāo)提取

受DIDSON儀器本身精度和分辨率的限制,加上周圍環(huán)境噪聲的干擾,體長(zhǎng)小于5 cm的南美白對(duì)蝦目標(biāo)難以識(shí)別,同時(shí)本次探測(cè)時(shí)養(yǎng)殖對(duì)蝦已到了出塘期,體型普遍較大,故在模型中將目標(biāo)識(shí)別的最小閾值設(shè)為5 cm。通過(guò)查找資料和實(shí)際網(wǎng)捕數(shù)據(jù)分析,發(fā)現(xiàn)白對(duì)蝦個(gè)體體長(zhǎng)最大為23 cm,故將最大閾值設(shè)為23 cm。

(3)巡游通量計(jì)算

蝦類的游塘行為是一種蝦類成群結(jié)隊(duì)有規(guī)律的繞塘巡游的現(xiàn)象。試驗(yàn)利用DIDSON聲吶快速觀測(cè)養(yǎng)殖塘的8個(gè)點(diǎn)位,并采集相同時(shí)間內(nèi)通過(guò)的蝦群數(shù)量,計(jì)算得出8個(gè)點(diǎn)位單位時(shí)間內(nèi)的蝦群通量,以科學(xué)反映出蝦群的游塘行為。

通量計(jì)算公式如下:

L=2d×tanα+l

(1)

S=(L+l)×d÷2

(2)

f=N/(S×m)

(3)

式中:α為DIDSON聲吶的垂直開角的一半,為7°;d為儀器安裝距離池塘岸邊的距離,m;l為儀器鏡頭的寬度(豎直方向上的大小),m;L為波束照射到池壁的豎直方向的高度, m;S為儀器照射范圍的豎直方向的截面, m2;m為每個(gè)采樣點(diǎn)的觀測(cè)時(shí)間,min;N為每個(gè)采樣點(diǎn)通過(guò)的南美白對(duì)蝦總量,ind;f為每個(gè)采樣點(diǎn)單位時(shí)間里通過(guò)橫截面單位面積的南美白對(duì)蝦通量,只/(min·m2)。

聲吶照射投影示意圖如圖4所示。

圖4 聲吶照射投影示意圖

(4)巡游方向觀測(cè)

通量分析可以獲得相同時(shí)間內(nèi)通過(guò)8個(gè)觀測(cè)點(diǎn)位的對(duì)蝦數(shù)量。除此之外,仍需要對(duì)蝦群巡游的方向進(jìn)行判斷。本試驗(yàn)由專業(yè)人員對(duì)DIDSON圖像進(jìn)行逐幀的識(shí)別和記錄,以人工方式對(duì)8個(gè)不同觀測(cè)點(diǎn)蝦類目標(biāo)游動(dòng)方向進(jìn)行判斷和分析。如圖5所示,設(shè)定目標(biāo)從圖像右側(cè)向左側(cè)移動(dòng)的方向?yàn)檎较?、反之為反方?圖5所示目標(biāo)可計(jì)數(shù)為正方向游動(dòng)目標(biāo)7個(gè)、反方向游動(dòng)目標(biāo)0個(gè),以此方法對(duì)所有的圖像進(jìn)行觀測(cè)計(jì)數(shù)。

圖5 聲吶圖像人工識(shí)別游動(dòng)方向示例

2 試驗(yàn)分析

2.1 目標(biāo)識(shí)別與數(shù)量統(tǒng)計(jì)

利用目標(biāo)識(shí)別與計(jì)數(shù)模型,計(jì)算統(tǒng)計(jì)8個(gè)觀測(cè)點(diǎn)的白對(duì)蝦數(shù)量(如表3所示),從1號(hào)觀測(cè)點(diǎn)到8號(hào)觀測(cè)點(diǎn)的目標(biāo)識(shí)別結(jié)果分別是:230只、251只、232只、230只、245只、238只、208只、236只,最大值為251只,最小值為208只,均值為233.75只,標(biāo)準(zhǔn)差為11.95只,表明養(yǎng)殖塘內(nèi)白對(duì)蝦分布較為均勻。

表3 自動(dòng)計(jì)數(shù)與人工計(jì)數(shù)的誤差

2.2 誤差分析

為驗(yàn)證本研究聲吶識(shí)別計(jì)數(shù)模型的準(zhǔn)確性,開展自動(dòng)計(jì)數(shù)與人工目視計(jì)數(shù)比較,即通過(guò)軟件逐幀回放記錄圖像中南美白對(duì)蝦體長(zhǎng)大于5 cm的數(shù)量為參考值。如表3所示,兩者最大誤差值5.96%,最小誤差值為2.59%,平均值為3.60%,表明本目標(biāo)識(shí)別計(jì)數(shù)模型具有較高的精度。

2.3 通量分析

本試驗(yàn)中,設(shè)置的觀測(cè)點(diǎn)位置距離岸邊的距離約為2 m,DIDSON設(shè)備鏡頭的寬度l為0.07 m,每個(gè)采樣點(diǎn)的觀測(cè)時(shí)間為3 min。根據(jù)公式2計(jì)算照射區(qū)域的橫截面面積為0.64 m2,隨后計(jì)算得到每個(gè)觀測(cè)點(diǎn)的通量,從1號(hào)觀測(cè)點(diǎn)到8號(hào)觀測(cè)點(diǎn)的通量分別是:119.79只、130.73只、120.83只、120.31只、127.60只、123.96只、108.33只、122.92只。如圖6所示,每分鐘通量的最大值為130.73只,最小值為108.33只,平均值為121.81只,標(biāo)準(zhǔn)差為6.20只。

圖6 不同觀測(cè)點(diǎn)蝦的通量變化

2.4 巡游方向分析

經(jīng)專業(yè)人員對(duì)DIDSON圖像的逐幀識(shí)別并記錄,結(jié)果如表4所示。

表4 南美白對(duì)蝦方向分析

蝦群的正向游動(dòng)方向占比均在85%以上,最高可達(dá)92.57%。這一發(fā)現(xiàn)表明,蝦群在巡游時(shí)展現(xiàn)出了較高的集體行為特征,主要表現(xiàn)為蝦群整體呈現(xiàn)正向游動(dòng)。這一群體行為的出現(xiàn),尤其是投餌前出現(xiàn),推測(cè)是蝦群饑餓等生理原因?qū)е碌摹Ｒ虼?通過(guò)對(duì)蝦類群體的行為分析, 有利于制定更加科學(xué)有效的投喂方案。

3 討論

3.1 南美白對(duì)蝦的計(jì)數(shù)模型/方法

為了驗(yàn)證本研究提出的圖像識(shí)別計(jì)數(shù)模型針對(duì)南美白對(duì)蝦進(jìn)行目標(biāo)識(shí)別計(jì)數(shù)的準(zhǔn)確性,對(duì)8個(gè)采樣點(diǎn)采集的數(shù)據(jù)分別進(jìn)行了模型自動(dòng)計(jì)數(shù)與傳統(tǒng)人工計(jì)數(shù)的對(duì)比,如表3所示圖像識(shí)別計(jì)數(shù)模型提取的目標(biāo)總數(shù)與人工計(jì)數(shù)結(jié)果偏差均小于6%,具有較高的計(jì)數(shù)精度,可以作為一種觀測(cè)和計(jì)數(shù)蝦類目標(biāo)的手段,為蝦類行為觀測(cè)提供新的可借鑒的技術(shù)和方法。表3中自動(dòng)計(jì)數(shù)的值相對(duì)于人工計(jì)數(shù)往往偏高,主要有3點(diǎn)原因:(1)圖像識(shí)別計(jì)數(shù)模型的軌跡跟蹤算法存在誤差,造成目標(biāo)重復(fù)計(jì)數(shù);(2)模型識(shí)別目標(biāo)時(shí)將一些偽目標(biāo)作為南美白對(duì)蝦計(jì)數(shù)目標(biāo)[20];(3)人工計(jì)數(shù)時(shí)存在視覺(jué)疲勞,少計(jì)或者漏計(jì)了部分目標(biāo)[21]。后續(xù)工作中將完善圖像識(shí)別計(jì)數(shù)模型中的目標(biāo)識(shí)別和軌跡跟蹤算法,引入更多的誤差糾正因子,進(jìn)一步提高識(shí)別計(jì)數(shù)精度。

3.2 主動(dòng)聲吶在蝦塘的應(yīng)用效果

王曉倩[22]利用攝像回放的形式觀察記錄羅氏沼蝦攝食動(dòng)作,并對(duì)羅氏沼蝦攝食行為動(dòng)作進(jìn)行了初步定義;聶永康等[23]通過(guò)拍照和錄像的方式統(tǒng)計(jì)蝦類行為來(lái)測(cè)定紫海膽增殖放流對(duì)對(duì)蝦行為的影響;曹正良等[24]使用被動(dòng)聲吶對(duì)不同體長(zhǎng)南美白對(duì)蝦攝食發(fā)聲信號(hào)進(jìn)行監(jiān)測(cè),發(fā)現(xiàn)南美白對(duì)蝦攝食蝦殼的發(fā)聲信號(hào)與體長(zhǎng)變化也存在一定規(guī)律但無(wú)明顯線性變化規(guī)律。以上方法均在實(shí)驗(yàn)室內(nèi)完成,未在實(shí)地得到考察驗(yàn)證。相較于傳統(tǒng)的視覺(jué)觀察和被動(dòng)聲吶調(diào)查[25],本研究利用主動(dòng)識(shí)別聲吶DIDSON實(shí)地觀測(cè)養(yǎng)殖塘蝦群并計(jì)數(shù),從目標(biāo)通量和游動(dòng)方向兩個(gè)方面分析了養(yǎng)殖塘蝦類行為。從圖6可以看出,不同點(diǎn)位每分鐘的通量差異較小,最大值為131只/(min·m2),最小值為108只/(min·m2),標(biāo)準(zhǔn)差為6.20只/(min·m2),這表明蝦群均勻地在養(yǎng)殖塘四周巡游。如表5所示,8個(gè)點(diǎn)位觀測(cè)的蝦群游動(dòng)正方向占比均在85%以上,這表明蝦群整體圍繞著養(yǎng)殖塘作規(guī)律性的逆時(shí)針?lè)较蛴蝿?dòng)。由于本次觀測(cè)在投喂餌料前1～2 h進(jìn)行,推測(cè)是由于饑餓引起的蝦群游塘行為。

3.3 主動(dòng)聲吶應(yīng)用的可行性分析

目前主動(dòng)識(shí)別聲吶已經(jīng)廣泛地應(yīng)用于漁業(yè)資源評(píng)估、水下目標(biāo)種類鑒別和調(diào)查生物與環(huán)境之間的影響等方面[26]。Swanson等[27]使用雙頻識(shí)別聲吶(DIDSON)監(jiān)測(cè)了密歇根湖支流博德曼河的三種大小不同的洄游魚類在春季和夏季進(jìn)入河流的行為,并對(duì)魚類行為的環(huán)境影響因子進(jìn)行了評(píng)估;王彬等[28]用DIDSON對(duì)遼東灣近海沙海蜇的豐度和垂直分布進(jìn)行了監(jiān)測(cè),并與傳統(tǒng)網(wǎng)具調(diào)查進(jìn)行了對(duì)比;荊丹翔等[29]利用DIDSON進(jìn)行了魚群目標(biāo)檢測(cè)和運(yùn)動(dòng)軌跡研究,并提出了一種基于成像聲吶的魚群數(shù)量估計(jì)方法。相對(duì)于傳統(tǒng)的蝦類行為分析方法[30],主動(dòng)識(shí)別聲吶觀測(cè)方法對(duì)水質(zhì)環(huán)境要求低、成像清晰、適用性高。本試驗(yàn)結(jié)果顯示,主動(dòng)識(shí)別聲吶可以較好地應(yīng)用于蝦類行為觀測(cè)。但是,由于聲吶圖像中蝦群重疊導(dǎo)致蝦類目標(biāo)識(shí)別計(jì)數(shù)誤差,需進(jìn)一步開發(fā)更高效智能的識(shí)別算法,下一步計(jì)劃可將機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等方法應(yīng)用到蝦類目標(biāo)提取算法中,以進(jìn)一步提高聲吶圖像目標(biāo)提取的精度和自動(dòng)化水平,從而實(shí)現(xiàn)對(duì)蝦類目標(biāo)和行為的準(zhǔn)確分析。對(duì)某些復(fù)雜水域或大面積養(yǎng)殖,可根據(jù)具體情況將DIDSON主動(dòng)聲吶、被動(dòng)聲吶、傳統(tǒng)網(wǎng)捕撈和目視觀測(cè)等方法選擇性的集成應(yīng)用。

4 結(jié)論

為實(shí)現(xiàn)高效、快速和準(zhǔn)確的蝦類識(shí)別和行為觀測(cè),提出了一種基于主動(dòng)識(shí)別聲吶的養(yǎng)殖塘蝦類觀測(cè)識(shí)別和行為分析方法,初步實(shí)現(xiàn)了養(yǎng)殖池南美白對(duì)蝦行為的觀測(cè)與分析,有效地解決養(yǎng)殖塘中蝦群行為觀測(cè)的難題,為制定更加高效的蝦塘飼養(yǎng)和管理方案提供科學(xué)的數(shù)據(jù)支持。利用ECHOVIEW水聲數(shù)據(jù)處理軟件構(gòu)建目標(biāo)識(shí)別計(jì)數(shù)模型,對(duì)采集的高清聲吶圖像數(shù)據(jù)進(jìn)行自動(dòng)計(jì)數(shù)和人工計(jì)數(shù),從目標(biāo)通量和游動(dòng)方向兩個(gè)方面開展蝦類行為研究,發(fā)現(xiàn)蝦群整體圍繞著養(yǎng)殖塘作規(guī)律性的逆時(shí)針?lè)较蛴蝿?dòng),為后續(xù)養(yǎng)殖塘蝦類行為觀測(cè)研究提供了新方法。相較于傳統(tǒng)的水下視覺(jué)觀察和被動(dòng)聲吶調(diào)查,主動(dòng)聲吶識(shí)別觀測(cè)方法對(duì)于水質(zhì)環(huán)境要求低,成像清晰,適應(yīng)性高;同時(shí)設(shè)計(jì)了一套基于智能雙體無(wú)人艇的DIDSON聲吶觀測(cè)系統(tǒng),實(shí)現(xiàn)了對(duì)養(yǎng)殖塘蝦群的高效、快速、低成本的觀測(cè)。本方法對(duì)于一些復(fù)雜的蝦類行為難以做到全面、準(zhǔn)確的判斷,存在一定的局限性,后續(xù)研究中將結(jié)合被動(dòng)聲吶、視覺(jué)觀測(cè)、實(shí)地捕撈等方式,對(duì)南美白對(duì)蝦的游動(dòng)速度、不同水層的分布和行為做進(jìn)一步分析,不斷提高蝦類行為分析的準(zhǔn)確性。

□