<form id="p5vvh"></form>

      <address id="p5vvh"></address>

        <form id="p5vvh"></form>
        <noframes id="p5vvh">

            <sub id="p5vvh"><address id="p5vvh"><listing id="p5vvh"></listing></address></sub><noframes id="p5vvh">

            <address id="p5vvh"><listing id="p5vvh"><nobr id="p5vvh"></nobr></listing></address><noframes id="p5vvh"><address id="p5vvh"><menuitem id="p5vvh"></menuitem></address>
            ?
            ?
            當前位置: 中國智慧養殖網 ? 資訊 ? 智慧養殖 ? 大數據 ? 正文

            如何用隨機森林算法,在深海養肥一群魚

            放大字體??縮小字體 中國智慧養殖網訊 發布日期:2021-06-21?
            核心提示:愛吃生魚片的朋友們對黃尾鰤魚(YellowtailKingfish)肯定有所耳聞。在餐館里,黃尾鰤魚也常被寫作黃師魚、黃條鰤。這種大型深海魚
                 愛吃生魚片的朋友們對黃尾鰤魚(YellowtailKingfish)肯定有所耳聞。在餐館里,黃尾鰤魚也常被寫作黃師魚、黃條鰤。
             
                這種大型深海魚肉質綿密、富含Omega-3且沒有腥味,口感一流,被視為刺身極品。野生黃尾鰤魚由于捕撈、釣期較短,捕撈困難等因素,價格也一直高居不下。
             
                如何養肥、養好海洋生物
             
                黃尾鰤魚生長速度較快,但是野生種群數量不多,所以很難形成商業化捕撈。隨著海洋養殖技術的發展,也可通過養殖黃尾鰤魚,供應日益增長的消費需求。
             
                對于海洋養殖業,如何全面掌握黃尾鰤魚的生活習性及產卵繁殖特點,有針對地保護成熟期的黃尾鰤魚,成為提高養殖生產效率和盈利水平的關鍵。
             
                黃尾鰤魚最大可長到60kg,它們智力超群,海釣、捕撈難度很高
             
                黃尾鰤魚是一種隨季節和溫度變化做周期性洄游的魚類,主要分布在我國各大沿海、日本、朝鮮半島和澳大利亞周邊遠離岸邊的外海巖礁區水域。
             
                過去十年中,得益于觀測設備的發展,生物追蹤領域有了顯著發展,對物種的遠程監測也獲得了諸多突破,越來越多針對海洋生物行為的觀測和數據收集,開始大規模采用三軸加速器。
             
            下載 (7)
                科研人員通過給黑鰭鯊魚鰭配備最新加速器監測黑鰭鯊運動行為
             
                三軸加速器通過測量三個軸的加速度,可以產生描述生物運動、活動的時間序列,進而根據環境中加速度的特征,推演出動物行為。
             
                此外加速器數據可以與時空數據(深度、地理位置、季節等)結合分析,以確定產卵、進食等生態學上的重要行為。
             
                三軸加速器收集的數據量巨大,甚至多達數百萬行(包括加速度、身體位置等),因此需要借助半自動分析系統,來對生物行為進行分類。
             
                黃尾鰤魚的移動行為也很復雜,平均時速在三四十公里,瞬間加速追捕獵物甚至能超過時速100公里。這類突然的高振?!副l」行為,使得自動化分析技術的發展受到阻礙。

                復雜生物數據,機器學習派上用場
             
                面對包含運動速度、時間、深度、地理位置等多維度、數量龐雜的時空數據,機器學習成為科研人員的首選。
             
                福林德斯大學科學與工程學院的博士生ThomasClarke,基于6條養殖黃尾鰤魚在產卵期624個小時的加速器數據,訓練了一個隨機森林機器學習算法,確定了黃尾鰤魚五種不同的行為(游泳、進食、受傷、逃跑和求偶)。

            下載 (2)
             
                ThomasClarke與同實驗室的研究員合影,右一為ThomasClarke
             
                這是第一個用機器學習技術,識別野生黃尾鰤魚產卵行為的研究,對利用AI更好地理解深海魚類的生殖模式,具有重要意義。
             
                ThomasClarke和同事在這項研究中,通過描述和量化養殖黃尾鰤魚的行為,在基準真相加速器數據的基礎上,研發了一個有監督機器學習算法(RF模型)。
             
                隨后這一模型被用于分析野生黃尾鰤魚數據,進而預測自然發生的產卵行為。
             

                養殖野生兩頭抓,試驗方法詳解
             
                1、養殖黃尾鰤魚試驗
             
                將性成熟的黃尾鰤魚(于南澳捕獲的野生黃尾鰤魚)在大型容器中放養,持續觀察其產卵行為。
             
                2018年8月至2019年2月期間,分別進行兩次追蹤任務,每次追蹤1條雌魚、2條雄魚。用三軸加速器數據記錄儀,記錄6條養殖黃尾鰤魚的行為數據。
             
            下載 (3)
             
                6條養殖黃尾鰤魚的相關描述
             
                把容器中的黃尾鰤魚取出放入含有AQUI-S(10ppm)的設備中標記。把記錄儀固定在黃尾鰤魚背部,為了區別不同個體,加速器的按鈕、夜間模式等都做了區分。標記完成3小時后,開始記錄黃尾鰤魚行為數據。
             
                2、野生黃尾鰤魚試驗
             
                2015年10月至2019年11月期間,科研人員捕獲并標記了8條與養殖黃尾鰤魚體型相近的野生黃尾鰤魚,并用加速器記錄了2-3天的數據。
             
                野生黃尾鰤魚按照養殖黃尾鰤魚相同的規格,固定加速器,區別是野生黃尾鰤魚的加速器是可自行分離的可恢復安裝包,包括一個加速器、電波發送器(radiotransmitter)、以及智能定位和溫度傳輸標簽,2-3天后可自行脫落。
             
                野生黃尾鰤魚的記錄儀可保持2-3天
             
                3、數據分析
             
                加速器數據可通過IGORPro進行下載,并用Ethographer軟件進行可視化分析。
             
                首先刪除由于光線不足或攝像機沒捕捉到目標的無效數據。
             
                計算3個加速軸上的靜態加速度和動態加速度,過濾掉由尾部拍打和身體姿態引起的主導信號,并隔離高振幅加速度的行為。
             
                觀察時間序列加速度數據,可以確定黃尾鰤魚潛在的爆發行為。從視頻中可以觀察到黃尾鰤魚的五個行為類別:進食、游泳、逃跑、求偶或受傷。
             
                4、機器學習分類算法開發
             
                基于隨機森林分類法進行預測。用所有預測變量的值組成單一數據集,然后隨機分成兩部分:70%用于模型訓練,30%作為驗證集評估模型性能。
             
                ntree值從500開始,逐漸增加到2000。此外,還測試了每個mtry隨機抽樣的變量數量,用于評估對模型錯誤率的影響。
             
                在模型構建過程中,作者使用了64個預測變量,進一步保證了模型的準確性。
             
                5、模型性能評估
             
                分類模型的性能指標,由RF混淆矩陣計算得出?;煜仃嚧_定了truepositive(TP)、falsepositive(FP)以及falsenegative(FN),并且還提供了黃尾鰤魚所有行為類別的實際觀察值,與模型預測值的對比表。
             
             
                6、預測野生黃尾鰤魚的行為
             
                用RF算法預測8條野生黃尾鰤魚的行為數據,發現模型總體準確率達到94%。

             
            下載 (5)
             
                用RF模型預測野生黃尾鰤魚產卵事件(n=16,粉標記)和繁殖行為(n=1,橙色箭頭)
             
                游泳和進食的識別準確率最高,超過84%,其次是求偶,逃跑和受傷的分類準確度得分較低。
             
                測試集上用RF算法計算出的養殖黃尾鰤魚行為類別性能指標,灰色方框代表測試集中分類正確的數量
             
             下載 (6)
                理解海洋,任重道遠
             
                海洋,是地球的資源寶庫。
             
                海洋生物除了具有經濟價值外,也是海域生態平衡的關鍵。研究海洋,可以幫助我們更了解海洋生物、能源等資源,也是合理開發和保護海洋資源的重要課題。

            ?
            關鍵詞: 養殖
            ?
            [ 資訊搜索 ]? [ 加入收藏 ]? [ 告訴好友 ]? [ 打印本文 ]? [ 違規舉報 ]? [ 關閉窗口 ]

            ?
            0條 [查看全部]  相關評論

            ?
            推薦圖文
            推薦資訊
            點擊排行
             
            網站首頁 | 關于我們 | 聯系方式 | 使用協議 | 版權隱私 | 網站地圖 | 排名推廣 | 廣告服務 | 積分換禮 | 網站留言 | RSS訂閱
             
            Av站免费观看

                <form id="p5vvh"></form>

                <address id="p5vvh"></address>

                  <form id="p5vvh"></form>
                  <noframes id="p5vvh">

                      <sub id="p5vvh"><address id="p5vvh"><listing id="p5vvh"></listing></address></sub><noframes id="p5vvh">

                      <address id="p5vvh"><listing id="p5vvh"><nobr id="p5vvh"></nobr></listing></address><noframes id="p5vvh"><address id="p5vvh"><menuitem id="p5vvh"></menuitem></address>