投喂决策准确率从33%飙到96.67%,虹鳟养殖有了可解释的生成式决策框架!
THPL: A Vision-to-Language Decision Support Framework for Rainbow Trout Feeding Management in RAS
arXiv AI (cs.AI) #多模态#决策支持#智慧农业 🕐 今天 12:00

📖 AI 总结

该研究针对循环水养殖系统(RAS)中虹鳟精准投喂需求,提出THPL视觉到语言决策支持框架,旨在弥合鱼群行为与管理知识之间的认知鸿沟。方法上,首先通过Fishsort提取轨迹并构建活动系数(AC)量化摄食强度,继而利用分层行为编码器(HBE)结合时序与集合Transformer,将轨迹张量转化为显式物理与隐式软令牌的双重证据表示,再与环境参数、元数据及专家规则融合,经LoRA微调大语言模型,并通过反事实多模态直接偏好优化(mDPO)强化因果推理。结果显示,AC与专家标注摄食强度呈显著单调正相关(Spearman ρ=0.925,p<0.001);消融实验表明决策准确率从纯文本基线的33.33%提升至双重证据令牌的93.33%,反事实mDPO进一步将准确率提升至96.67%,METEOR由58.10%升至85.30%,Self-BLEU-2由58.79%降至52.88%,Distinct-3由6.68%升至7.81%。该工作通过融合连续运动学与LLM推理,为精准水产养殖提供了可解释、可执行的决策支持新范式。

🔑 关键词速览

RAS循环水养殖系统,一种通过水处理循环利用水资源的高密度水产养殖模式。
THPL本文提出的生成式投喂决策框架,用于虹鳟在RAS中的精准投喂管理。
Activity Coefficient (AC)活动系数,通过鱼类轨迹量化投喂强度的指标。
Hierarchical Behavior Encoder (HBE)分层行为编码器,利用时间Transformer和集合Transformer建模个体与群体行为动态。
mDPO多模态直接偏好优化,一种通过反事实偏好优化增强LLM因果推理的方法。
infoAI 公众号二维码

📱 每天一份 AI 前沿日报

关注公众号,每天 09:00 推送 · 不错过任何重磅