米兰体育官网 水产养殖中的精准养殖：对大西洋鲑鱼 (Salmo salar) 的行为进行非侵入性监测，以响应商业海水网箱中的环境条件，以进行健康和福利评估

引用

Burke M、Nikolic D、Fabry P、Rishi H、Telfer T 和 Rey Planellas S (2025) 水产养殖中的精准养殖：对商业海水网箱环境条件下的大西洋鲑鱼 (Salmo salar) 行为进行非侵入性监测，以进行健康和福利评估[水产养殖中的 PFF]。机器人和人工智能前沿，12。https://doi.org/10.3389/frobt.2025.1574161

摘要
研究表明，圈养的大西洋鲑鱼会根据温度、波浪和光周期等环境梯度调整其在海水网箱中的分布。本研究在三个海水养殖场使用计算机视觉算法来分析被称为“活动”（以百分比衡量）的鱼群游泳行为，其中 包括鱼类丰度、速度和浅滩凝聚力。活动指标推断主要鱼群的深度分布，并根据环境条件进行分析，以探索潜在的行为驱动因素，并用于评估鱼类响应压力源（风暴事件）的行为变化。在冬季条件下，养殖场 A 和 B 显示出明显的热分层，鱼类活动显示出偏爱较温暖的较低水体（39.6 ± 15.3% 和 27.5 ± 10.2%）而不是较高水体（16.3 ± 5.7% 和 18 ± 3.3%；p 0.001). At Farm C, with thermally homogenous water, fish activity was similarly distributed between the upper (18.2 ± 6.9%) and lower (17.7 ± 7.6%) water column. Severe weather increased wave heights, influencing fish horizontal distribution differently at Farms B and C. At Farm B, a deeper site, fish remained in the warmer lower water column and avoided surface waves, while at Farm C, with shallower cages, they moved toward the side of the cage nearest the centre of the farm, presumably less exposed due to nearby cages. Understanding fish behavioural responses to environmental conditions can inform management practices, while using cameras with associated algorithms offers a powerful, non-invasive tool for continuously monitoring and safeguarding fish health and welfare.

期刊
机器人和人工智能前沿：第 12 卷

• 已发布版本