인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
This study proposes an Optical Flow-based video analysis method for quantitatively estimating feeding responses and residual feed in olive flounder ( Paralichthys olivaceus) aquaculture. In flounder farming environments, direct measurement of feed consumption is challenging due to fine feed particles and high stocking density. To address this limitation, we applied FlowDiffuser, a deep learning-based Optical Flow algorithm, to quantify pixel-level motion between frames and employed an adaptive threshold based on the 80th percentile to filter out environmental noise caused by lighting changes and water surface ripples. Multi-temporal scale analysis revealed that a 1-minute moving average is optimal for detecting feeding responses, while a 120-minute moving average during nighttime is effective for estimating residual feed. Experimental results demonstrate 92% accuracy in feeding response detection (46 out of 50 instances) and 80% accuracy in residual feed estimation (8 out of 10 instances). This study demonstrates that feeding status can be indirectly assessed through behavioral changes of the fish population, even in high-density aquaculture environments where direct detection of individual feed particles is difficult. The proposed method provides a foundational technology for developing automated feeding systems in aquaculture.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-26-02-095558860
