如何用隨機(jī)森林算法，在深海養(yǎng)肥一群魚(yú)

來(lái)源：HyperAI超神經(jīng)

本文約2200字，建議閱讀5分鐘
本文為你介紹一個(gè)機(jī)器學(xué)習(xí)模型，可以借助隨機(jī)森林算法識(shí)別魚(yú)類動(dòng)作。

關(guān)鍵詞：隨機(jī)森林算法   機(jī)器視覺(jué)   

愛(ài)吃生魚(yú)片的朋友們對(duì)黃尾鰤?mèng)~ (Yellowtail Kingfish) 肯定有所耳聞。在餐館里，黃尾鰤?mèng)~也常被寫作黃師魚(yú)、黃條鰤。

這種大型深海魚(yú)肉質(zhì)綿密、富含 Omega-3 且沒(méi)有腥味，口感一流，被視為刺身極品。野生黃尾鰤?mèng)~由于捕撈、釣期較短，捕撈困難等因素，價(jià)格也一直高居不下。

黃尾鰤?mèng)~生長(zhǎng)速度較快，但是野生種群數(shù)量不多，所以很難形成商業(yè)化捕撈。隨著海洋養(yǎng)殖技術(shù)的發(fā)展，也可通過(guò)養(yǎng)殖黃尾鰤?mèng)~，供應(yīng)日益增長(zhǎng)的消費(fèi)需求。

對(duì)于海洋養(yǎng)殖業(yè)，如何全面掌握黃尾鰤?mèng)~的生活習(xí)性及產(chǎn)卵繁殖特點(diǎn)，有針對(duì)地保護(hù)成熟期的黃尾鰤?mèng)~，成為提高養(yǎng)殖生產(chǎn)效率和盈利水平的關(guān)鍵。

黃尾鰤?mèng)~是一種隨季節(jié)和溫度變化做周期性洄游的魚(yú)類，主要分布在我國(guó)各大沿海、日本、朝鮮半島和澳大利亞周邊遠(yuǎn)離岸邊的外海巖礁區(qū)水域。

過(guò)去十年中，得益于觀測(cè)設(shè)備的發(fā)展，生物追蹤領(lǐng)域有了顯著發(fā)展，對(duì)物種的遠(yuǎn)程監(jiān)測(cè)也獲得了諸多突破，越來(lái)越多針對(duì)海洋生物行為的觀測(cè)和數(shù)據(jù)收集，開(kāi)始大規(guī)模采用三軸加速器。

科研人員通過(guò)給黑鰭鯊魚(yú)鰭配備最新加速器

監(jiān)測(cè)黑鰭鯊運(yùn)動(dòng)行為

三軸加速器通過(guò)測(cè)量三個(gè)軸的加速度，可以產(chǎn)生描述生物運(yùn)動(dòng)、活動(dòng)的時(shí)間序列，進(jìn)而根據(jù)環(huán)境中加速度的特征，推演出動(dòng)物行為。

此外加速器數(shù)據(jù)可以與時(shí)空數(shù)據(jù)（深度、地理位置、季節(jié)等）結(jié)合分析，以確定產(chǎn)卵、進(jìn)食等生態(tài)學(xué)上的重要行為。

三軸加速器收集的數(shù)據(jù)量巨大，甚至多達(dá)數(shù)百萬(wàn)行（包括加速度、身體位置等），因此需要借助半自動(dòng)分析系統(tǒng)，來(lái)對(duì)生物行為進(jìn)行分類。

黃尾鰤?mèng)~的移動(dòng)行為也很復(fù)雜，平均時(shí)速在三四十公里，瞬間加速追捕獵物甚至能超過(guò)時(shí)速 100 公里。這類突然的高振福「爆發(fā)」行為，使得自動(dòng)化分析技術(shù)的發(fā)展受到阻礙。

面對(duì)包含運(yùn)動(dòng)速度、時(shí)間、深度、地理位置等多維度、數(shù)量龐雜的時(shí)空數(shù)據(jù)，機(jī)器學(xué)習(xí)成為科研人員的首選。

福林德斯大學(xué)科學(xué)與工程學(xué)院的博士生 Thomas Clarke，基于 6 條養(yǎng)殖黃尾鰤?mèng)~在產(chǎn)卵期 624 個(gè)小時(shí)的加速器數(shù)據(jù)，訓(xùn)練了一個(gè)隨機(jī)森林機(jī)器學(xué)習(xí)算法，確定了黃尾鰤?mèng)~五種不同的行為（游泳、進(jìn)食、受傷、逃跑和求偶) 。

Thomas Clarke 與同實(shí)驗(yàn)室的研究員合影

右一為 Thomas Clarke

這是第一個(gè)用機(jī)器學(xué)習(xí)技術(shù)，識(shí)別野生黃尾鰤?mèng)~產(chǎn)卵行為的研究，對(duì)利用 AI 更好地理解深海魚(yú)類的生殖模式，具有重要意義。

Thomas Clarke 和同事在這項(xiàng)研究中，通過(guò)描述和量化養(yǎng)殖黃尾鰤?mèng)~的行為，在基準(zhǔn)真相加速器數(shù)據(jù)的基礎(chǔ)上，研發(fā)了一個(gè)有監(jiān)督機(jī)器學(xué)習(xí)算法（RF 模型）。

隨后這一模型被用于分析野生黃尾鰤?mèng)~數(shù)據(jù)，進(jìn)而預(yù)測(cè)自然發(fā)生的產(chǎn)卵行為。

1、養(yǎng)殖黃尾鰤?mèng)~試驗(yàn) 

將性成熟的黃尾鰤?mèng)~（于南澳捕獲的野生黃尾鰤?mèng)~）在大型容器中放養(yǎng)，持續(xù)觀察其產(chǎn)卵行為。

2018 年 8 月至 2019 年 2 月期間，分別進(jìn)行兩次追蹤任務(wù)，每次追蹤 1 條雌魚(yú)、2 條雄魚(yú)。用三軸加速器數(shù)據(jù)記錄儀，記錄 6 條養(yǎng)殖黃尾鰤?mèng)~的行為數(shù)據(jù)。

6 條養(yǎng)殖黃尾鰤?mèng)~的相關(guān)描述

把容器中的黃尾鰤?mèng)~取出放入含有 AQUI-S (10ppm) 的設(shè)備中標(biāo)記。把記錄儀固定在 黃尾鰤?mèng)~背部，為了區(qū)別不同個(gè)體，加速器的按鈕、夜間模式等都做了區(qū)分。標(biāo)記完成 3 小時(shí)后，開(kāi)始記錄黃尾鰤?mèng)~行為數(shù)據(jù)。

2、野生黃尾鰤?mèng)~試驗(yàn) 

2015 年 10 月至 2019 年 11 月期間，科研人員捕獲并標(biāo)記了 8 條與養(yǎng)殖黃尾鰤?mèng)~體型相近的野生黃尾鰤?mèng)~，并用加速器記錄了 2-3 天的數(shù)據(jù)。

野生黃尾鰤?mèng)~按照養(yǎng)殖黃尾鰤?mèng)~相同的規(guī)格，固定加速器，區(qū)別是野生黃尾鰤?mèng)~的加速器是可自行分離的可恢復(fù)安裝包，包括一個(gè)加速器、電波發(fā)送器 (radio transmitter)、以及智能定位和溫度傳輸標(biāo)簽，2-3 天后可自行脫落。

野生黃尾鰤?mèng)~的記錄儀可保持 2-3 天

3、數(shù)據(jù)分析 

加速器數(shù)據(jù)可通過(guò) IGOR Pro 進(jìn)行下載，并用 Ethographer 軟件進(jìn)行可視化分析。

首先刪除由于光線不足或攝像機(jī)沒(méi)捕捉到目標(biāo)的無(wú)效數(shù)據(jù)。

計(jì)算 3 個(gè)加速軸上的靜態(tài)加速度和動(dòng)態(tài)加速度，過(guò)濾掉由尾部拍打和身體姿態(tài)引起的主導(dǎo)信號(hào)，并隔離高振幅加速度的行為。

觀察時(shí)間序列加速度數(shù)據(jù)，可以確定黃尾鰤?mèng)~潛在的爆發(fā)行為。從視頻中可以觀察到黃尾鰤?mèng)~的五個(gè)行為類別：進(jìn)食、游泳、逃跑、求偶或受傷。

4、機(jī)器學(xué)習(xí)分類算法開(kāi)發(fā) 

基于隨機(jī)森林分類法進(jìn)行預(yù)測(cè)。用所有預(yù)測(cè)變量的值組成單一數(shù)據(jù)集，然后隨機(jī)分成兩部分：70% 用于模型訓(xùn)練，30% 作為驗(yàn)證集評(píng)估模型性能。

ntree 值從 500 開(kāi)始，逐漸增加到 2000。此外，還測(cè)試了每個(gè) mtry 隨機(jī)抽樣的變量數(shù)量，用于評(píng)估對(duì)模型錯(cuò)誤率的影響。

在模型構(gòu)建過(guò)程中，作者使用了 64 個(gè)預(yù)測(cè)變量，進(jìn)一步保證了模型的準(zhǔn)確性。

5、模型性能評(píng)估 

分類模型的性能指標(biāo)，由 RF 混淆矩陣計(jì)算得出。混淆矩陣確定了 true positive (TP)、false positive (FP) 以及 false negative (FN)，并且還提供了黃尾鰤?mèng)~所有行為類別的實(shí)際觀察值，與模型預(yù)測(cè)值的對(duì)比表。

6、預(yù)測(cè)野生黃尾鰤?mèng)~的行為 

用 RF 算法預(yù)測(cè) 8 條野生黃尾鰤?mèng)~的行為數(shù)據(jù)，發(fā)現(xiàn)模型總體準(zhǔn)確率達(dá)到 94% 。

用 RF 模型預(yù)測(cè)野生黃尾鰤?mèng)~產(chǎn)卵事件 (n=16，粉標(biāo)記) 

和繁殖行為 (n=1，橙色箭頭)

游泳和進(jìn)食的識(shí)別準(zhǔn)確率最高，超過(guò) 84%，其次是求偶，逃跑和受傷的分類準(zhǔn)確度得分較低。

測(cè)試集上用 RF 算法計(jì)算出的養(yǎng)殖黃尾鰤?mèng)~行為類別性能指標(biāo)

灰色方框代表測(cè)試集中分類正確的數(shù)量

海洋，是地球的資源寶庫(kù)。

海洋生物除了具有經(jīng)濟(jì)價(jià)值外，也是海域生態(tài)平衡的關(guān)鍵。研究海洋，可以幫助我們更了解海洋生物、能源等資源，也是合理開(kāi)發(fā)和保護(hù)海洋資源的重要課題。

參考：