南方水产科学

作者：黄海燕, 崔丹, 叶佳鑫, 周月明, 陈猷鹏, 杨军超, 申渝

关键词：视觉感知, 深度Q网络, 智能投喂, 循环水养殖

为实现循环水养殖系统 (Recirculating aquaculture system, RAS) 中投喂策略的精准化与自适应调控，解决因投喂策略静态化导致的饲料利用率低、生长调控粗放等问题，研究提出了一种融合视觉感知与深度Q网络 (Deep Q-Network, DQN) 的智能投喂方法。该方法以淡水石斑鱼 (Cichlasoma managuense) 为实验对象，通过YOLOv8与DeepSORT实现鱼体运动速度的实时跟踪，并结合灰度共生矩阵提取的纹理特征，构建鱼群摄食强度量化指标；进而将摄食强度、水温、溶解氧及期望摄食强度共同作为状态输入，设计多目标奖励函数，采用深度Q网络训练决策模型，形成闭环控制系统。实验结果表明，目标检测平均精度均值 (mAP@.5) 达85.3%，决策模型在个体平均总投喂量仅378.4 g的条件下，使鱼群体质量增长率 (Weight gain rate, WGR) 升至54.38%，饲料转化率 (Feed conversion ratio, FCR) 降至1.09，性能显著优于传统投喂方式。本方法有效实现了摄食行为的实时感知与投喂策略的动态优化，为循环水养殖的精细化管理提供了可靠的技术路径。

来源：2026年第2期

《南方水产科学》期刊编辑部

查看南方水产科学杂志2026年第2期