Акустические особенности радужной форели. Прием гранулированного корма

В представленном исследовании применена пассивная акустическая технология для регистрации звуковых сигналов, сопутствующих процессу кормления радужной форели. Основной задачей работы являлось выделение сигналов кормления из общего акустического фона, определение их ключевых параметров и последующая количественная оценка пищевой активности. Для достижения этой цели использовалась синхронизация аудио- и видеоданных, что позволило точно маркировать типы сигналов и извлекать их характеристики как во временной, так и в частотной областях. Полученные результаты имеют не только теоретическое значение для понимания биологических ритмов роста и размножения рыб, но и формируют практическую базу для создания систем мониторинга в аквакультуре. В работе представлен комплексный анализ амплитудных, энергетических и спектральных параметров звуков, издаваемых форелью при захвате и проглатывании корма.

Основной вклад исследования

Новизна работы заключается в применении пассивного акустического метода для регистрации и анализа звуков кормления радужной форели в контролируемых лабораторных условиях. В отличие от визуальных методов, пассивная акустика не влияет на поведение объектов и позволяет фиксировать сигналы в толще воды без искажений. Авторами впервые проведена детальная корреляция между акустическими параметрами (интервалы между глотаниями, амплитудные размахи, спектральные пики) и последовательностью кормовых актов, что дало возможность количественно связать звуковую активность с интенсивностью питания. Дополнительно введены средние мел-кепстральные коэффициенты как стабильные маркеры для идентификации фаз кормления.

1. Введение

Пищевое поведение рыб представляет собой многокомпонентный процесс, включающий поиск, обнаружение, захват и проглатывание пищи. Эти действия сопровождаются разнообразными механическими и гидродинамическими явлениями, которые порождают акустическую эмиссию. Звуки, возникающие при кормлении, могут иметь различную природу: трение костных структур (челюстей, зубов, жаберных крышек), вибрация плавательного пузыря, щелчки при быстром раскрытии рта или плеск при движении у поверхности. Таким образом, звуковой портрет питания является видоспецифичным и может служить объективным индикатором поведенческой активности.

Традиционные методы оценки сытости и интенсивности кормления в рыбоводстве, как правило, основаны на визуальном контроле или пробных выловах. Однако эти подходы субъективны, трудоёмки и не всегда применимы в условиях высокой плотности посадки или при мутной воде. Компьютерное зрение, хотя и активно развивается, ограничено оптическими свойствами среды. Альтернативой выступает пассивная акустика, которая использует воду как естественную звукопроводящую среду. Гидрофоны позволяют вести непрерывный мониторинг, не вмешиваясь в поведение рыб, и обеспечивают высокую чувствительность в широком частотном диапазоне.

За последние десятилетия накоплен значительный массив данных о звуках, издаваемых рыбами. Известно, что многие виды способны генерировать активные акустические сигналы, связанные с кормлением, защитой территории или размножением. Для радужной форели и близких видов лососёвых характерны высокочастотные компоненты звуков кормления, что позволяет отделять их от низкочастотного фона, создаваемого течениями и работой оборудования.

Целью данного исследования является не просто регистрация звуков кормления, но и их количественный анализ. Под количественной оценкой подразумевается установление взаимосвязи между измеряемыми акустическими параметрами (энергия, длительность, частота пиков, интервалы) и такими характеристиками поведения, как последовательность глотаний, насыщение и общая двигательная активность. Такой подход открывает перспективы для создания автоматизированных систем управления кормлением, позволяющих экономить корма, снижать загрязнение воды и повышать продуктивность.

2. Материалы и методика

2.1 Объекты и условия содержания

Эксперимент был проведён на базе лаборатории изучения поведения рыб. Объектами исследования служила пресноводная радужная форель возрастом около 100 суток. Рыбы были закуплены на специализированном рыбоводном хозяйстве и доставлены в лабораторный центр. Перед началом эксперимента все особи прошли карантин и адаптацию в течение 7 суток в круглых стеклопластиковых бассейнах.

Для обеспечения воспроизводимости результатов были созданы стандартные условия содержания: температура воды поддерживалась на уровне 15,3°C, содержание растворённого кислорода составляло около 6 мг/л. Кормление осуществлялось один раз в сутки сухими гранулированными кормами диаметром 4–6 мм. Рацион составлял 3–4% от массы тела. Для эксперимента отобрали 6 особей со средней длиной тела 18,8 см, каждую из которых поместили в отдельный аквариум. Такая схема позволила исключить влияние внутригрупповой конкуренции на акустические параметры и проводить анализ индивидуальных сигналов.

2.2 Организация экспериментального стенда

Основная идея эксперимента заключалась в синхронной регистрации акустического сигнала и видеоизображения. Гидрофон устанавливался на глубине 20 см от поверхности, чтобы улавливать звуки в ближнем поле. Выбор глубины определялся необходимостью минимизации отражений от стенок и поверхности. Над аквариумом размещалась видеокамера высокого разрешения с фиксированным положением, что обеспечивало постоянный обзор всей арены.

Аппаратная часть включала чувствительный гидрофон с диапазоном частот от 20 Гц до 20 кГц, предусилитель с регулируемым коэффициентом усиления и внешнюю звуковую карту с частотой дискретизации 96 кГц и разрядностью 24 бита. Запись звука велась на компьютер через специализированное программное обеспечение. Видеозапись синхронизировалась по временным меткам для точного совмещения с акустическими треками. Предварительно система тестировалась на отсутствие паразитных шумов и электромагнитных наводок.

2.3 Процедура проведения эксперимента

Перед началом записи циркуляционную систему временно отключали для устранения постоянного низкочастотного гула. Затем в течение двух минут регистрировали фоновый шум в пустом аквариуме. Далее вносили корм и вели непрерывную запись в течение 2 минут. Для каждой из 6 рыб было получено по 6 таких записей в разное время суток, чтобы учесть возможные биоритмические колебания. Всего было накоплено 432 валидных аудиовизуальных файла.

При работе с материалом особое внимание уделялось событиям, явно связанным с кормлением: момент открытия рта, захват гранулы, смыкание челюстей и глотательное движение. Видеозапись помогала отсеивать артефакты, вызванные движением рыбы или всплыванием пузырьков воздуха.

2.4 Обработка сигналов

Первым этапом обработки была синхронизация аудио и видео в многодорожечном редакторе. Это позволило для каждого акустического паттерна однозначно определить поведенческий контекст. Затем сигнал подвергался стандартной предварительной обработке: аналого-цифровое преобразование, фильтрация шумов, предыскажение для компенсации высокочастотных потерь, разбивка на перекрывающиеся кадры длительностью 25 мс и применение окна Хэмминга.

Для подавления фонового шума использовался алгоритм субпространственного улучшения речи, который разлагает сигнал на шумовую и сигнальную составляющие и удаляет первую. Такой подход оказался эффективным, поскольку основные помехи были сосредоточены в низкочастотной области до 1000 Гц, тогда как полезный сигнал лежал значительно выше.

В частотной области вычислялась спектральная плотность мощности с помощью метода Уэлча с перекрытием сегментов 50% и усреднением периодограмм. Для анализа формант использовались методы линейного предсказания, а для оценки слухового восприятия — мел-кепстральное преобразование.

Временные параметры включали три основных показателя: интервал между последовательными глотаниями, размах амплитуды (Vpp) и максимальное пиковое значение. Эти параметры рассчитывались для каждого события.

Кроме того, вычислялись кратковременная энергия и кратковременная частота пересечения нуля для каждого кадра. Первая характеристика отражает мощность сигнала, вторая — его спектральный центр тяжести и степень зашумлённости.

3. Результаты

3.1 Анализ временных характеристик

Корреляционный анализ показал, что размах амплитуды и максимальная амплитуда отрицательно коррелируют с порядковым номером глотания в процессе кормления. Иными словами, первые глотания сопровождаются более сильными и резкими звуками, тогда как последующие акты становятся тише и более сглаженными. Коэффициенты корреляции для всех шести особей превышали по абсолютной величине 0,62, причём эта зависимость была статистически однородной.

Напротив, интервал между глотаниями демонстрировал устойчивую положительную корреляцию с порядковым номером: чем позже наступал акт глотания, тем длиннее был временной промежуток до следующего. Коэффициент корреляции составил более 0,68, что указывает на высокую степень связи. Таким образом, ритм кормления замедляется по мере насыщения, а амплитуда сигналов падает.

3.2 Кратковременные энергетические и спектральные параметры

Анализ кратковременной энергии показал, что большинство сигналов кормления лежит в диапазоне 40–72 дБ. Кратковременная частота пересечений нуля, которая характеризует степень осцилляций, в основном не превышала 15 пересечений за кадр. Эти значения являются стабильными для данного вида и могут служить референсными для идентификации.

3.3 Спектральные характеристики

Спектр мощности выявил чёткий пик в диапазоне от 3,2 до 6,3 кГц. Уровень звукового давления в этой области достигал 85–130 дБ. Анализ в третьоктавных полосах подтвердил, что максимум энергии сосредоточен в высокочастотной области, что соответствует литературным данным для лососёвых и хорошо отделяет полезный сигнал от низкочастотных помех.

3.4 Формантный анализ

Распределение первой форманты было наиболее компактным: оно приходилось на интервал 5,3–6,9 кГц. Вторая и третья форманты демонстрировали больший разброс. Плотность распределения подтвердила, что основная акустическая энергия сосредоточена именно в первом формантном пике. Это указывает на устойчивую резонансную структуру ротовой полости и глоточного аппарата при глотании.

Важно, что частота формант не зависела от порядкового номера глотания, что говорит о стабильности анатомических резонаторов форели. Данный факт повышает надёжность частотных признаков для целей классификации.

3.5 Мел-кепстральные коэффициенты

Средние мел-кепстральные коэффициенты были вычислены для всех событий кормления. Наиболее информативными оказались первые три коэффициента. Их динамика была устойчивой и воспроизводимой у всех особей. Особенно выделялся третий коэффициент, который давал стабильный пик на протяжении всего процесса кормления. Коэффициенты с четвёртого по двенадцатый вели себя нерегулярно, что делает их малопригодными для детектирования.

Таким образом, комбинация временных, спектральных и кепстральных признаков позволяет надёжно отличать акты кормления от фонового шума и друг от друга.

4. Обсуждение результатов

Полученные данные подтверждают гипотезу о том, что акустическая активность радужной форели во время кормления является информативным количественным показателем. Затухание амплитуды с каждым последующим глотанием объясняется снижением мотивации и уменьшением скорости захвата корма. Увеличение интервалов между глотаниями свидетельствует о наступлении насыщения. Эти закономерности хорошо согласуются с классическими представлениями о поведенческом насыщении.

Особый интерес представляет природа высокочастотного пика в области 4–6 кГц. Скорее всего, он связан с кавитационными явлениями при быстром смыкании челюстей и вибрацией костных структур. Поскольку частота формант остаётся неизменной независимо от стадии кормления, этот признак может быть использован в качестве стабильного акустического маркера вида.

Сравнение с данными по другим видам рыб показывает, что спектральные окна различаются: у некоторых видов энергия сосредоточена в области 7–9 кГц. Это открывает перспективы для видовой идентификации по акустическому портрету.

Практическая значимость работы заключается в возможности создания системы раннего предупреждения о прекращении кормления. Если амплитуда падает ниже порога, а интервалы превышают критическое значение, система может подать сигнал оператору об остановке подачи корма. Это позволит избежать перекорма, сохранить качество воды и сократить расходы.

Тем не менее, необходимо учитывать, что в реальных производственных условиях на сигнал будут накладываться шумы аэрации, фильтрации и движения других рыб. Поэтому дальнейшие исследования должны быть направлены на разработку адаптивных алгоритмов фильтрации и использование машинного обучения для классификации сигналов в условиях многоканального шума.

5. Заключение и выводы

В ходе выполнения работы была успешно продемонстрирована применимость пассивной акустической технологии для количественного мониторинга кормления радужной форели. Основные выводы исследования:

Временные характеристики звуков кормления, в частности размах амплитуды и максимальное пиковое значение, отрицательно коррелируют с порядком глотания, тогда как интервал между глотаниями положительно коррелирует с насыщением. Это позволяет оценивать динамику пищевой активности в реальном времени.

Кратковременная энергия сигналов сосредоточена в диапазоне 40–72 дБ, а частота пересечения нуля — преимущественно до 15 пересечений за кадр, что служит надёжным критерием выделения полезных событий.

Спектральный анализ выявил доминирующий частотный диапазон 3,2–6,3 кГц, что соответствует литературным данным для лососёвых и хорошо отделяет сигнал от фоновых низкочастотных помех.

Первый формантный пик расположен в области 5,3–6,9 кГц, и его частота не зависит от последовательности кормления, что подтверждает анатомическую стабильность звукообразующего аппарата.

Среди мел-кепстральных коэффициентов наибольшей информативностью обладают первые три, причём третий коэффициент устойчиво выделяется на всех этапах кормления, что может быть использовано для автоматической детекции.

Таким образом, предложенный комплекс акустических параметров создаёт методологическую основу для разработки неинвазивных систем контроля физиологического состояния рыб в индустриальной аквакультуре. В перспективе планируется расширение исследований на групповое содержание с переменной плотностью посадки, а также интеграция акустических данных с нейросетевыми классификаторами для повышения точности прогнозирования кормового поведения.

Источник: Fishes