南方水产科学

作者：曹正良, 王子贤, 李钊丞, 姜珊, 蒋千庆, 胡庆松, 靳雨雪

关键词：凡纳滨对虾, 被动声学, 声音信号分类, 机器学习, 卷积神经网络模型

利用机器学习技术对凡纳滨对虾 (Litopenaeus vannamei) 摄食不同饵料时的声音信号进行分类，旨在比较不同分类模型的性能，确定最优模型，为对虾养殖中饵料管理的信息化提供参考。研究选取对虾摄食沙蚕、颗粒饲料和鱿鱼时的声音信号，经降噪滤波处理后，通过2类方式分类：1) 基于音频特征向量，分别建立支持向量机 (Support Vector Machine, SVM)、随机森林 (Random forest, RF) 和k-最近邻 (k-Nearest Neighbor, KNN) 模型；2) 基于梅尔频谱图，建立卷积神经网络 (Convolutional Neural Networks, CNN) 模型。结果表明，结合Mixup数据增强技术和粒子群优化算法 (Particle Swarm Optimization, PSO) 的CNN模型在准确率方面表现最佳，达到91.67%。4个模型在识别颗粒饲料的召回率均超过90%，说明摄食颗粒饲料的声音信号相较于摄食沙蚕和鱿鱼等软体饵料更易识别。CNN模型不仅在准确率、精确度、召回率和F1分数等指标上均优于上述传统模型，同时能够适应复杂声学信号的分析需求，具有较大的应用潜力。

来源：2025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2025年第2期