1.一种基于时序性网络算法的目标鱼群的无人船投饲方法,其特征在于,具体包括以下步骤:步骤一:目标鱼群数据初步采集;具体采集目标鱼群的游行速度和位置;
步骤二:目标鱼群数据特征提取;
所述目标鱼群数据特征提取具体为:对目标鱼群图片进行特征提取工作,提取的特征包括:鱼类图案斑点类别和鱼类之间的大小间距比,其中,对鱼类图案斑点类别的提取采用基于YOLO迁移学习的网络架构,将鱼的类别设定为1,其余选项均为0;此外对YOLO算法的回归框体检测部分进行截取,输出预测框体,通过预测框体并按照大小间距比公式进行鱼类间距提取;
所述大小间距比公式为:
其中,Sp为两条相邻鱼之间的大小间距比,Ce1和Ce2分别为两条相邻鱼的目标检测框体的中心点,X2和X1分别为右侧鱼的目标检测框体的右上角横坐标值与左上角坐标值,X′2和X1′分别为左侧鱼的目标检测框体的右上角横坐标值与左上角坐标值;
步骤三:时序性网络的构建;
所述时序性网络的构建的具体为:将目标鱼群中每一条鱼的特征向量看做时序性网络中的一个输入向量,其中,特征向量为:鱼类图案斑点类别、鱼类之间的大小间距比和每一条鱼的游行速度;采用Del-Act激活函数,进行输入向量数量判定,利用Random抉择算子确定输入向量的起始点,最后提出一种静态鱼类识别自适应放大因子Factor,决定Random算子的抽取次数;
所述Del-Act激活函数为:
其中,num表示需要输入的特征向量的数量,最多为10;vi表示为第i条鱼的速度值;
所述Random抉择算子为:
Random(1,8-num);
其中,num为需要输入的特征向量的数量,Random(1,8-num)表示为从1到8-num中随机抽取一个正整数,包含1与8-num;
所述自适应放大因子Factor为:
其中,Factor为自适应放大因子,Arc(class)为鱼类图案斑点类别分类的准确度,只有当Arc(class)的数值大于0.9时,整个网络才能够进行运行;
步骤四:船舶移动和饲料投喂;
所述船舶移动和饲料投喂具体为:通过无人船上的声呐装置,将声波发射到水下测量声波从船舶到达鱼类并返回的时间,计算出距离,进而无人船进行航行,到达鱼群位置,进行精准的饲料投喂。
2.根据权利要求1所述的一种基于时序性网络算法的目标鱼群的无人船投饲方法,其特征在于:所述目标鱼群数据初步采集具体为:对目标鱼群中每条鱼进行数据采集,其中,数据采集的对象为目标鱼群内连续的十条鱼,并具体采集这连续的十条鱼的游行速度和目标鱼群的位置。
3.根据权利要求2所述的一种基于时序性网络算法的目标鱼群的无人船投饲方法,其特征在于:所述目标鱼群内连续的十条鱼的游行速度的采集具体为:对目标鱼群内连续的十条鱼的运动的速度采用雷达通过测量回波信号的频率与相位变化得到目标鱼群中每条鱼的游行速度。
4.根据权利要求3所述的一种基于时序性网络算法的目标鱼群的无人船投饲方法,其特征在于:所述目标鱼群的位置数据的采集具体为:利用水下高清摄像头对雷达扫描到的鱼群位置进行图像采集工作,得到目标鱼群图片。