在水产养殖中，投饵过量会推高饲料成本并加剧水体氨氮负荷，投饵不足则直接影响生长速度。传统做法依赖固定投饵率表与人工观察，难以适应水温、溶氧和鱼群状态的日内波动。本实验室近期完成了一组实验性探索：以水面摄像与声呐采集的摄食活跃度信号（抢食强度、上浮频次）为主特征，叠加水温、溶氧与历史残饵量，构建投饵量回归模型，输出每轮次的建议投饵量。
进展与数据：在两口对照塘的初步测试中，模型建议投饵量较人工经验减少约8%，同期饲料系数下降0.12，鱼群平均体重无显著差异；残饵图像识别准确率约91%，误报主要出现在阴雨弱光时段。
下一步计划：一是引入投饵后5分钟的残饵回落曲线，将单次投饵修正为闭环微调；二是扩展至网箱场景，验证不同水流条件下声呐特征的稳定性。
该方向仍属早期验证，样本塘数量有限，结论不宜外推。我们更关注的是把“看鱼投饵”这类经验动作，转化为可复现的特征与阈值。
评论