一种基于工厂化养殖的滁州鲫病害早期预警方法

本发明涉及水产养殖病害监测，具体为一种基于工厂化养殖的滁州鲫病害早期预警方法。

背景技术：

1、工厂化养殖模式下滁州鲫处于高密度、封闭或半封闭的养殖水体环境中，病害一旦爆发便呈现传播迅速、波及范围广的特点，对早期预警的时效性和准确性提出了很高要求。现有病害预警技术多依赖单一水质参数阈值判定或人工经验观察，通过监测溶解氧、氨氮等理化指标的异常变化或肉眼观察鱼体表观症状来判断病害风险。单一水质参数波动受投喂、换水、天气等多重因素干扰，其变化往往滞后于鱼体生理应激反应，且正常波动与病害前兆的界线模糊，容易产生误报或漏报。人工观察依赖于观察者经验且难以实现全天候覆盖，对于处在潜伏期或早期应激阶段的病害识别能力不足。

2、现有技术方案存在的缺陷主要体现在两个方面。一方面是群体行为动态与水质变化的关联特征未被有效提取和利用。滁州鲫在受到病原胁迫早期会表现出游泳速度异常、集群行为改变、空间分布趋向池壁或池角等行为响应，这些行为变化与局部水体理化指标的微小波动在时间上存在特定的响应滞后关系，现有技术将行为观察和水质监测作为两个孤立维度分别处理，割裂了二者之间的时空因果联系，未能从行为与水质交互作用的角度刻画病害发生的前兆模式。另一方面，养殖池内不同区域的环境压力和病害风险存在空间异质性，病害通常从某一局部区域开始并沿水流方向或鱼群接触关系向其他区域扩散。现有的整体池水取样或单一监测点布设方式，无法捕捉病害风险在空间上的分布差异和传播态势，缺乏对多监测点位信息进行空间关联建模和概率推断的能力，导致难以在病害尚未大范围扩散之前的初期阶段准确识别风险源头并发出预警。

3、行为态势图谱与水质参数时空关联映射形成的多模态关联特征集，以及基于空间拓扑图结构执行置信度传播推理的病害风险概率图模型，是解决上述问题的两条关键路径。如何在时间维度上对齐群体行为变化与理化因子波动，提取行为对水质变化的响应延迟特征并编码为可计算的关联模式，以及如何将多监测点位的局部异常状态通过空间状态传递关系整合为全局风险概率推断，是亟待解决的技术问题。

技术实现思路

1、本发明的目的在于提供一种基于工厂化养殖的滁州鲫病害早期预警方法，通过在空间网格化布设的多监测点位同步获取群体行为影像与水体理化参数，从群体空间分布特征和个体运动特征中构建行为态势图谱，并与水质参数时序数据进行时空关联映射以提取行为与水质的多模态关联特征集，再利用基于空间拓扑图结构的病害风险概率图模型推断病害爆发风险概率，对超出预警阈值的风险状态发出早期预警信号。该方法旨在捕捉病害发生初期群体行为异常与水环境微小变化之间的时空耦合关系，并在空间维度上对多监测点位的风险状态进行概率传播与融合，从而在病害尚未大规模扩散前实现准确预警和风险源头定位。

2、为了实现上述目的，本发明提供如下技术方案：本发明提供一种基于工厂化养殖的滁州鲫病害早期预警方法，该方法通过对滁州鲫群体行为与养殖水体理化参数进行多模态时空关联分析，实现病害爆发风险的早期推断与预警。该方法首先获取养殖池内多个监测点位的滁州鲫群体行为影像序列以及与之时间对齐的养殖水体理化参数时序数据，然后从影像序列中提取群体空间分布特征和个体运动特征，构建表征群体应激状态的行为态势图谱，再将行为态势图谱与养殖水体理化参数时序数据进行时空关联映射，生成融合行为与水质的多模态关联特征集，最后基于预先构建的病害风险概率图模型推断当前时刻的病害爆发风险概率，并在风险概率超出预警阈值时发出早期预警信号。该方法将鱼群行为变化与水环境因子响应在统一的概率图模型框架下进行联合建模，能够捕捉病害发生前鱼群行为异常的空间异质性和时序演化趋势，显著提高预警的及时性和准确性。

3、作为本发明的一个优选技术方案，获取养殖池内多个监测点位的滁州鲫群体行为影像序列以及对应养殖水体理化参数时序数据的过程具体为：在养殖池内按空间网格布局布设多个水下摄像机，同步采集各水下摄像机覆盖区域内的滁州鲫游动影像，形成覆盖全池的多视角群体行为影像序列；同时，在各水下摄像机邻近位置安装水质传感器，水质传感器按与群体行为影像序列相同的采样频率连续采集养殖水体的溶解氧浓度、酸碱度、温度和氨氮浓度，生成与群体行为影像序列时间对齐的养殖水体理化参数时序数据。该设置使得行为数据与水质数据在空间分布上形成对应关系，为后续时空关联映射奠定基础。

4、进一步地，根据群体行为影像序列提取滁州鲫的群体空间分布特征和个体运动特征并构建行为态势图谱的过程具体为：对每一帧群体行为影像序列执行目标检测算法，识别并定位影像中每一条滁州鲫的个体位置和轮廓，生成各监测点位内的个体分布坐标集；根据该个体分布坐标集统计各监测点位内滁州鲫的种群密度和空间离散程度，作为群体空间分布特征；跟踪相邻帧影像中同一滁州鲫个体的位置偏移量，计算每一条滁州鲫的瞬时游动速度和转向频率，作为个体运动特征；将同一时刻下各监测点位的群体空间分布特征和个体运动特征按监测点位编码排列，形成反映空间异质性的行为向量；沿时间轴将连续时刻的行为向量串联，构建行为态势图谱，该行为态势图谱包含各监测点位滁州鲫群体行为在时间维度上的演化轨迹。这样构建的行为态势图谱既能刻画鱼群在空间上的分布规律，又能反映个体运动状态的动态变化。

5、在此基础上，将行为态势图谱与养殖水体理化参数时序数据进行时空关联映射，生成融合行为与水质的多模态关联特征集的过程具体为：按同一时间戳将行为态势图谱中各监测点位的行为向量与养殖水体理化参数时序数据中对应时刻及对应监测点位的理化参数值进行配对，形成每个监测点位在每个时刻的行为-水质配对样本；对该行为-水质配对样本执行时间窗口滑动聚合，计算各监测点位在预设时间窗口内行为向量的均值变化率和理化参数值的均值变化率，生成反映短时趋势的行为变化特征和水质变化特征；将同一监测点位的行为变化特征与水质变化特征进行交叉关联，计算行为变化对水质变化的响应延迟时间，生成行为-水质响应滞后特征；最后将各监测点位的行为-水质配对样本、行为变化特征、水质变化特征和行为-水质响应滞后特征统一编码，形成多模态关联特征集。该特征集有效融合了行为动态、水质变化及其相互作用时滞，为病害风险推断提供高维时序特征输入。

6、基于多模态关联特征集通过预先构建的病害风险概率图模型推断当前时刻的病害爆发风险概率时，优选的方案为：将多模态关联特征集中每一个监测点位视为图模型的一个节点，将各监测点位之间的空间相邻关系视为图模型的边，构建空间拓扑图结构；根据各节点对应的行为-水质配对样本计算每个节点的局部异常评分，该局部异常评分用于量化该节点处行为特征与水质特征相对于历史基线水平的偏离程度；利用行为-水质响应滞后特征计算相邻节点之间的状态传递概率，该状态传递概率表示一个节点的异常状态沿空间边传递至相邻节点的可能性；以局部异常评分为观测证据，以状态传递概率为状态转移约束，在空间拓扑图结构上执行置信度传播推理，迭代更新每个节点的病害爆发后验概率，将各节点中最大的病害爆发后验概率作为当前时刻的病害爆发风险概率。这种基于图模型的推理方式能够利用空间邻接关系进行异常状态的传递与整合，有效识别病害在养殖池内的空间蔓延趋势，避免因单点观测波动造成误判。

7、作为本发明的进一步优选方案，在病害爆发风险概率超出预警阈值时发出早期预警信号，具体包括：将当前时刻的病害爆发风险概率与预设的风险概率预警阈值进行比较，若当前时刻的病害爆发风险概率大于或等于风险概率预警阈值，则判定满足预警触发条件；在满足预警触发条件后，进一步回溯空间拓扑图结构中各节点的病害爆发后验概率，定位病害爆发后验概率最高的节点所对应的监测点位作为疑似病害源点；根据该疑似病害源点在空间拓扑图结构中的空间位置，从多模态关联特征集中提取该疑似病害源点在触发时刻之前连续多个时刻的行为变化特征和水质变化特征，生成用于指示病害蔓延方向的趋势证据链；输出包含疑似病害源点位置和趋势证据链的早期预警信号。由此，养殖管理人员不仅能获得病害风险预警，还能掌握可能的病害源头及扩散路径，利于及时采取针对性干预措施。

8、对于行为态势图谱的展示，优选将行为态势图谱在时间维度上的演化轨迹采用滑窗主成分分析降维至二维或三维流形空间，以可视化方式同步展示于养殖监控终端。这为养殖管理人员提供了直观的鱼群应激状态演变趋势图，便于快速判断全池鱼群健康态势。

9、病害风险概率图模型的预先构建过程优选的实现方式为：采集工厂化养殖环境下滁州鲫历史健康周期内的多组历史行为影像序列和历史水体理化参数时序数据，并同步记录对应时段内是否发生病害事件，形成带病害标签的历史训练数据集；从该历史训练数据集中按照前述相同的方法提取历史多模态关联特征集，并将每一历史时刻的病害爆发状态作为隐变量，将历史多模态关联特征集作为观测变量；基于观测变量与隐变量之间的条件依赖关系，构建包含空间节点状态先验分布、节点间状态转移矩阵和观测似然函数的病害风险概率图模型；利用历史训练数据集对病害风险概率图模型的模型参数进行最大似然估计，模型参数包括各节点的状态先验概率、相邻节点间的状态转移概率以及各观测特征在给定状态下的条件概率分布，将参数估计完成后的病害风险概率图模型作为预先构建的病害风险概率图模型。通过大量历史数据训练得到的模型能够准确刻画养殖系统正常状态与病害发生前状态的统计规律，为实时推理提供可靠依据。

10、为了适应养殖环境随季节和生产批次变化而产生的基线漂移，预警阈值优选采用动态更新方式确定：在无病害事件发生的正常养殖阶段，连续采集多个正常养殖周期的正常状态多模态关联特征集，并通过病害风险概率图模型计算各正常养殖周期内每一时刻的正常状态病害爆发风险概率，形成正常风险概率分布；计算正常风险概率分布的统计上限值，将统计上限值作为基准预警阈值；在后续养殖过程中，每当完成一个无病害事件发生的养殖周期后，将该养殖周期的实际多模态关联特征集加入正常样本库，重新计算更新后的正常风险概率分布及其统计上限值，以更新基准预警阈值；将更新后的基准预警阈值与预设的最低安全阈值进行比较，取更新后的基准预警阈值与最低安全阈值中的较大值作为当前实际的预警阈值。这种方式使得预警阈值能够随养殖系统的正常波动自适应调整，在保持高灵敏度的同时有效降低误报率。

11、本发明特别适用于滁州鲫养殖中常见的细菌性出血病或寄生虫病的早期预警。预警阈值的取值范围优选为0.7至0.9，病害爆发风险概率为0至1之间的无量纲概率值。

12、作为本发明的一个优选实施例，在发出早期预警信号之后，还执行预警置信度强化验证，具体方式为：在发出早期预警信号的时刻之后，继续获取后续连续多个时刻的验证行为影像序列和验证水体理化参数时序数据，并根据验证行为影像序列提取验证群体空间分布特征和验证个体运动特征，构建验证行为态势图谱，将验证行为态势图谱与验证水体理化参数时序数据进行时空关联映射，生成验证多模态关联特征集；将验证多模态关联特征集输入病害风险概率图模型，计算后续各时刻的验证病害爆发风险概率；若验证病害爆发风险概率在连续多个时刻内保持上升趋势且每一时刻的验证病害爆发风险概率均大于预警阈值，则确认早期预警信号有效并维持预警输出状态；若验证病害爆发风险概率在预设验证时间窗口内下降至预警阈值以下，则撤销早期预警信号并标记为误报事件，将误报事件对应的多模态关联特征集作为负样本反馈至模型更新队列。通过预警后的持续验证机制，能够对初始预警信号的真实性进行二次确认，有效过滤因瞬时干扰导致的错误报警。

13、进一步地，将误报事件对应的多模态关联特征集作为负样本反馈至模型更新队列后，优选执行模型增量更新：从模型更新队列中提取累计的多个负样本和最近时间段内确认无病害事件的正常样本，合并形成增量训练样本集；对增量训练样本集中的每个样本，利用病害风险概率图模型当前的观测似然函数计算预测误差，并基于预测误差构造增量损失函数；以最小化增量损失函数为目标，采用在线梯度下降方式对病害风险概率图模型的模型参数进行增量调整，模型参数包括各节点的状态先验概率、相邻节点间的状态转移概率以及各观测特征在给定状态下的条件概率分布；完成增量调整后，将更新后的模型参数替换原有模型参数，并将模型更新队列清空，完成病害风险概率图模型的在线增量更新。这种增量学习机制使图模型能够不断从误报和正常样本中学习，逐步提升对非病害异常波动与真正病害前兆的区分能力，实现预警系统在实际运行中的持续优化。

14、通过上述技术方案，本发明将工厂化养殖环境下滁州鲫行为的时空演化与水环境因子的动态变化深度融合，利用图模型的空间推理能力捕捉病害风险的早期空间聚集和蔓延特征，能够在不依赖传统病理检测手段的情况下，仅依靠鱼群行为与环境参数的联合监测，提前感知病害爆发的前兆信号，并动态定位疑似病害源点，为工厂化养殖病害防控争取了关键响应时间。

15、在上述技术方案中，本发明提供的技术效果和优点：

16、将行为态势图谱与养殖水体理化参数时序数据进行时空关联映射并生成多模态关联特征集，实现了群体行为动态与水质变化在时间和空间维度上的深度耦合。按同一时间戳将各监测点位的行为向量与对应理化参数值进行配对，通过时间窗口滑动聚合计算行为向量的均值变化率和理化参数值的均值变化率，生成行为变化特征和水质变化特征，在此基础上对同一监测点位的行为变化特征与水质变化特征进行交叉关联，计算行为变化对水质变化的响应延迟时间并生成行为-水质响应滞后特征。该响应滞后特征的引入，改变了传统技术中将行为观察与水质检测作为独立信息源处理的范式，使系统能够从行为与水质交互的时序关系中捕捉到病害胁迫下鱼类行为响应先于水质显著恶化的内在规律，从而在理化参数尚未出现显著异常而行为已表现出应激特征的早期阶段即可识别出潜在风险，相比于仅依赖单一水质参数阈值或孤立行为指标判断的方式，能够显著提前预警时间窗口并降低对非病害因素引起的水质波动的误报率。

17、基于多模态关联特征集通过预先构建的病害风险概率图模型推断当前时刻的病害爆发风险概率，以监测点位为图节点、以空间相邻关系为图边构建空间拓扑图结构，利用行为-水质响应滞后特征计算相邻节点之间的状态传递概率，并以节点的局部异常评分为观测证据，在空间拓扑图结构上执行置信度传播推理以迭代更新每个节点的病害爆发后验概率。该概率推断机制将养殖池内不同区域的独立监测信息通过空间状态传递模型关联为一个整体概率网络，能够刻画病害风险从某一局部区域向邻近区域蔓延的动力学过程，在病害尚处于某一局部点位且未扩散至全池范围的初期阶段即可推断出全局风险水平，并可根据各节点病害爆发后验概率的空间分布直接定位疑似病害源点。相比于仅凭全池平均水质指标或单一监测点鱼群行为进行整体判断的方式，该方案能够在空间维度上辨识风险传播方向并追踪趋势证据链，为及时采取隔离、局部用药等精准干预措施提供指向性信息。