[发明专利]基于人工神经网络的鱼类攻击行为量化方法、装置及存储介质

说明书

本发明提供一种基于人工神经网络的鱼类攻击行为量化方法、装置及存储介质。该方法包括：采集鱼类攻击行为发生过程中的行为表现数据；对采集的行为表现数据进行参数分析；基于主成分分析法，对行为表现数据进行识别，并提取行为表现数据中的关键行为参数；构建ANNs模型，将提取的关键行为参数作为ANNs模型的输入，将攻击次数作为ANNs模型的输出；基于提取的所述关键行为参数，确定ANNs模型的结构参数；对确定结构参数后的ANNs模型进行仿真验证，得到基于ANNs的鱼类攻击行为量化模型。本发明的技术方案构建鱼类攻击行为和攻击次数之间的映射关系，有效的将鱼类攻击行为进行了量化，将主成分分析法的结果作为ANNs模型的输入，大大提高了模型精度。

技术领域

本发明涉及生产管理技术领域，具体而言，尤其涉及一种基于人工神经网络的鱼类攻击行为量化方法、装置及存储介质。

背景技术

攻击行为是可能或实际上对同物种的另一个体造成伤害的行为。鱼类和其他动物一样，为了保护自己的食物或领地等资源而产生攻击行为，这也是鱼类生来就有的显着特征。在高密度养殖环境中，由于胁迫和压力，很多鱼类会出现攻击行为或自相残杀现象，养殖过程中可见大批少鳍少尾个体，导致生长减缓和免疫力下降，甚至大批死亡，给养殖户造成很大的经济损失。

养殖条件下如何对鱼类攻击行为进行量化，是生产管理的难题，也是实现福利化养殖需要解决的关键问题。鱼类攻击行为受多重因素的影响，是个体根据外界环境变化和内在生理状况改变做出的适应性反应，仅对单一因素或攻击结果进行研究，并不能判断鱼类何时发生攻击行为，这也是现今养殖过程中无法对攻击行为制定预防和管理措施的瓶颈所在，因此对攻击行为特征的研究显得格外重要。但目前对养殖条件下鱼类攻击行为的研究技术中，存在如下的缺陷和不足：

(1)对鱼类攻击行为特征的量化研究，几乎是空白。

(2)对鱼类攻击行为特征的提取主观性较强，没有从数据本身特征出发；

(3)较少将ANNs应用于鱼类行为的研究中。

发明内容

根据上述提出的技术问题，而提供一种基于人工神经网络的鱼类攻击行为量化方法、装置及存储介质。本发明将主成分分析法和ANNs模型应用于鱼类行为量化；将主成分分析法的结果作为ANNs模型的输入，大大提高了模型精度。

本发明采用的技术手段如下：

一种基于人工神经网络的鱼类攻击行为量化方法，包括如下步骤：

S1、采集鱼类攻击行为发生过程中的行为表现数据；

S2、对采集的所述行为表现数据进行参数分析；

S3、基于主成分分析法，对所述行为表现数据进行识别，并提取所述行为表现数据中的关键行为参数；

S4、构建ANNs模型，将提取的所述关键行为参数作为ANNs模型的输入，将攻击次数作为ANNs模型的输出；

S5、基于提取的所述关键行为参数，确定所述ANNs模型的结构参数；

S6、对确定结构参数后的所述ANNs模型进行仿真验证，得到基于ANNs的鱼类攻击行为量化模型。

进一步地，所述步骤S2中对采集的所述行为表现数据进行参数分析，具体为：

采用坐标系的方法，对鱼类攻击过程中的行为进行计算，并分析出鱼类攻击过程中的个体行为指标和群体行为指标。

进一步地，所述个体行为指标包括攻击行为的游泳速度、最大加速度、移动距离、转弯次数和攻击次数；所述群体行为指标包括鱼的平均距离、孤立个体的数量和孤立时间。

进一步地，所述步骤S3具体包括：