[发明专利]鱼群的摄食强度分级方法、装置及智能调速投饲机

权利要求书

1.一种鱼群的摄食强度分级方法，其特征在于，包括：

获取鱼群摄食视频数据，并根据所述视频数据提取固定帧数的短视频段；

将所述固定帧数的短视频段输入训练后的3D ResNet-GloRe网络模型，输出鱼群摄食行为等级的识别结果；

其中，所述3D ResNet-GloRe网络模型，根据已知摄食行为等级的样本视频数据进行训练后得到；所述3D ResNet-GloRe网络模型为包括多组残差网络的模型，每组残差网络包括3D Residual残差块和GloRe单元；

所述将所述固定帧数的短视频段输入训练后的3D ResNet-GloRe网络模型，输出鱼群摄食行为等级的识别结果，包括：

将所述固定帧数的短视频段输入3D ResNet-GloRe网络模型，经3D卷积层提取特征后，依次输入四组3D残差网络，再经由平均池化后，得到视频特征图；

根据所述视频特征图，输出摄食行为识别结果；

其中，3D ResNet-GloRe是将3D ResNet18每组的第二个残差块用轻量级3D GloReunit替换得到， 3D ResNet-GloRe每组3D残差网络，均包括一个Residual残差块和一个3DGloRe单元。

2.根据权利要求1所述的鱼群的摄食强度分级方法，其特征在于，所述依次输入四组3D残差网络，再经由平均池化后，得到视频特征图，包括：

将3D卷积层提取的特征输入第一组残差网络的3D Residual残差块；

每一组残差网络的3D Residual残差块的输出，作为同组3D GloRe单元的输入，每组3DGloRe单元的输出作为下组3D Residual残差块的输入，直至得到第四组残差网络的3DGloRe单元输出结果；

根据第四组残差网络的3D GloRe单元输出结果，进行平均池化后，得到所述视频特征图。

3.根据权利要求1所述的鱼群的摄食强度分级方法，其特征在于，所述将所述固定帧数的短视频段输入训练后的3D ResNet-GloRe网络模型之前，还包括：

获取不同等级的鱼群摄食行为视频数据，并分别提取不同的固定帧数的短视频段，作为不同的样本数据；

确定样本数据的鱼群摄食行为等级，作为对应的标签；

将每个样本的固定帧数的短视频段输入搭建的3D ResNet-GloRe网络模型，根据输出结果和对应的标签，对所述3D ResNet-GloRe网络模型的参数进行更新；

重复对所述3D ResNet-GloRe网络模型的参数进行更新的过程，直至满足预设达标条件，得到所述训练后的3D ResNet-GloRe网络模型。

4.根据权利要求1所述的鱼群的摄食强度分级方法，其特征在于，所述根据所述视频数据提取固定帧数的短视频段，包括：

根据所述视频数据，通过预设大小的滑动窗口采样，提取连续的固定帧数的短视频段。

5.根据权利要求1所述的鱼群的摄食强度分级方法，其特征在于，所述输出鱼群摄食行为等级的识别结果之后，还包括：

根据所述鱼群摄食行为等级，控制投饲机投饵量或投饵速度。