农业机械学报

作者：张铮，沈彦兵，张泽扬

单位：上海海洋大学,上海海洋大学,上海城市电力发展有限公司,

关键词：鱼类摄食行为;运动特征;深度学习;卷积神经网络;轻量化;EfficientNetV2

基金：上海市崇明区农业科创项目（2021CNKC-05-06）、国家重点研发计划项目（2023YFD2401304）和上海市水产动物良种创制与绿色养殖协同创新中心项目（2021科技02-12）

为了促进渔业装备智能化，近年来基于视频流的鱼类摄食行为识别研究受到了广泛关注。针对基于视频流的传统识别方法模型过于复杂，难以在边缘计算设备部署的问题，提出了一种轻量级的2D卷积运动特征提取网络Motion-EfficientNetV2，该网络以视频流为输入，能够有效识别鱼类摄食行为。提出的模型以EfficientNetV2为主干网络，基于TEA和ECANet构建了运动特征提取模块Motion，并将该模块嵌入到EfficientNetV2的每个Fused-MBConv模块中，使改进后的EfficientNetV2具有运动特征提取能力。同时使用ECANet对EfficientNetV2网络中的MBConv进行改进，增强其通道特征提取能力。在此基础上利用空洞卷积扩大感受野，提高大范围特征提取能力。试验结果表明，Motion-EfficientNetV2的参数量和浮点运算量分别为9.3×106和1.31×1010，优于EfficientNetV2。在TSN-ResNet50、TSN-EfficientNetV2、C3D以及R3D模型上进行对比试验，本文模型在降低参数量和浮点运算量的同时，使识别准确率提高到93.97%。该研究对于渔业装备智能化升级和科学养殖具有推动作用。

来源：2024年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2024年第6期