相关实验视频

Updated: Jan 15, 2026

A Standardized Protocol for Preference Testing to Assess Fish Welfare

A Standardized Protocol for Preference Testing to Assess Fish Welfare

Published on: February 22, 2020

人工智能驱动的水产养殖鱼类福利监测:一种预测方法

Jorge Saúl Fandiño Pelayo¹, Luis Sebastián Mendoza Castellanos², Rocío Cazes Ortega¹

¹Facultad de Ciencias Naturales e Ingeniería, Unidades Tecnológicas de Santander (UTS), Bucaramanga 680005, Colombia.

Sensors (Basel, Switzerland)

|October 16, 2025

概括

这项研究开发了一种使用环境传感器监测水族养殖系统的AI系统,通过早期检测不利条件来改善鱼类福利. 随机森林模型在预测鱼类健康状况方面达到99%的准确性.

科学领域:

水产养殖是水产养殖的一种方式.
人工智能的人工智能
环境监测环境监测

背景情况:

水族养殖系统需要持续监测,以确保最佳的鱼类健康和生产力.
早期检测不良水条件对于预防鱼类压力和死亡至关重要.

研究的目的:

开发一个人工智能驱动的预测系统,用于智能监测水族系统.
通过使用环境传感,通过早期检测不良水条件来改善鱼类福利.

主要方法:

集成的低成本数字传感器测量pH值,溶解氧和温度.
评估了四种监督机器学习模型:LDA,SVM,NN和RF.
在8个月内从红色鱼水产养殖场收集了1823个实例.

主要成果:

随机森林模型实现了最高的分类准确率99%.
神经网络 (98%) 和SVM (97%) 也表现出高性能.
通过交叉验证,LDA实现了82%的准确性,所有模型都得到了验证.

结论:

基于传感器的预测模型可靠地检测到鱼类压力或死亡的早期迹象.
开发的人工智能系统支持智能环境监测和自动化,用于可持续的水产养殖.

关键词:

水管学是指水管学是指水管学,水管学是指水管学.嵌入式监控嵌入式监控环境传感器环境传感器关于鱼类福利的分类机器学习是机器学习.神经网络的神经网络的神经网络预测分析预测分析随机的森林随机的森林智能传感系统是一种智能传感系统.水质监测监测水质的水质.

更多相关视频

Necropsy-based Wild Fish Health Assessment

Necropsy-based Wild Fish Health Assessment

Published on: September 11, 2018

Behavioral Tracking and Neuromast Imaging of Mexican Cavefish

Behavioral Tracking and Neuromast Imaging of Mexican Cavefish

Published on: April 6, 2019

相关概念视频

Osmoregulation in Fishes

Osmoregulation in Fishes

When cells are placed in a hypotonic (low-salt) fluid, they can swell and burst. Meanwhile, cells in a hypertonic solution—with a higher salt concentration—can shrivel and die. How do fish cells avoid these gruesome fates in hypotonic freshwater or hypertonic seawater environments?