《人工智能魚》是為計算機、海洋、水產等相關學科的本科生開設的全校選修課，課程旨在使學生通過人工智能魚課程學習，了解魚類學、魚類行為學以及計算機學科間的關系，掌握魚類行為學的人工智能算法實現，提升學生的動手編程能力，促進學校多學科交融與發展。本課程將人工智能、計算機圖形學和魚類行為學相結合，講解如何設計繪制逼真的魚類形態和外觀模型，并結合魚類行為學、海洋學和計算機科學等知識，設計具有行為規劃能力和逼真運動功能的人工魚，并對魚類的認知功能和感知系統進行探索和研究，從而設計具有自主行為和豐富生命特征的人工智能魚。
袁紅春，博士，教授，上海海洋大學信息學院教學副院長，畢業中國科技大學，2002年進入上海海洋大學工作至今。
目錄
第1章 緒論 1
1.1 仿生學的概念與應用 1
1.1.1 仿生學的定義 1
1.1.2 仿生學的基本要素 2
1.1.3 仿生學與科技創新 3
1.2 魚類行為學及其研究內容 4
1.2.1 行為學定義與研究內容 4
1.2.2 魚類行為分析 5
1.2.3 魚類行為與環境的關系 6
1.2.4 魚類感覺系統與行為能力 7
1.3 人工智能魚仿生功能與行為 12
1.3.1 仿生的主要功能 14
1.3.2 常見的仿生行為 16
1.4 人工智能魚分類研究 18
1.4.1 虛擬魚 18
1.4.2 機器魚 18
1.5 本章小結 20
第2章 魚體的建模和形變 21
2.1 數理知識基礎 21
2.1.1 “彈簧-質點”模型 21
2.1.2 牛頓運動定律與生物力學分析 23
2.1.3 常微分方程的數值解法 24
2.2 魚體的身體結構與幾何網格模型 25
2.2.1 常見魚體的身體結構 25
2.2.2 魚體的幾何網格模型 25
2.3 魚體運動的動力學模型 28
2.3.1 魚的運動模式分析 28
2.3.2 魚類運動的常見模擬方法 30
2.3.3 基于“彈簧-質點”模型的魚體運動形變 30
2.3.4 魚體游動時的動力學模型 31
2.4 基于幾何物理模型組合優化的魚體運動設計 32
2.4.1 魚體設計 32
2.4.2 建模仿真結果與分析 34
2.5 本章小結 35
第3章 魚的感知和認知 37
3.1 魚的感知和認知機理 37
3.1.1 魚的感知 37
3.1.2 魚的認知 38
3.2 人工智能魚的感知和認知能力分析 39
3.3 虛擬魚感知和認知的仿真與設計 41
3.3.1 基于YOLO 模型的虛擬魚物體辨別能力仿真 41
3.3.2 融合情感的虛擬魚認知行為設計 45
3.4 本章小結 50
第4章 魚的游泳行為和能力 51
4.1 魚的游泳動作和魚鰭的功用 51
4.2 魚的游泳方式和速度 53
4.2.1 游泳方式 53
4.2.2 游泳速度 56
4.3 魚的節能原理和方式 57
4.3.1 耐久力的生理構造 57
4.3.2 特殊的節能方式 59
4.3.3 魚類運動的減阻原理 60
4.3.4 特殊的游泳行為 60
4.4 人工智能魚的游泳行為設計 61
4.4.1 虛擬魚的局部波狀模式設計 61
4.4.2 機器魚部分結構設計和功能模型 66
4.5 本章小結 69
第5章 魚的典型行為規劃和路徑規劃 70
5.1 魚的典型行為及其特征 70
5.2 人工智能魚的行為規劃分析 70
5.3 人工智能魚的意圖優先級規劃 71
5.4 個體魚智能行為規劃 72
5.4.1 典型行為規劃 73
5.4.2 人工智能魚的運動模型 80
5.5 路徑規劃方法介紹 83
5.5.1 避障路徑規劃問題的定義 83
5.5.2 位置獲取和環境表示 84
5.5.3 規劃方法 85
5.5.4 搜索方法 87
5.6 虛擬魚路徑規劃的仿真 89
5.6.1 改進的A*算法 89
5.6.2 魚體三維建模 90
5.6.3 仿真實現 91
5.7 本章小結 95
第6章 魚類群體行為學 96
6.1 魚群的定義 96
6.2 研究魚類集群行為的主要方法 96
6.2.1 實驗室水槽觀察法 97
6.2.2 潛水觀測法 97
6.2.3 超聲波影像分析法 98
6.2.4 數學模型模擬和仿真法 98
6.3 魚群行為的優勢 99
6.3.1 社交互動 99
6.3.2 覓食優勢 99
6.3.3 生殖優勢 100
6.3.4 水動力效率 100
6.3.5 捕食者回避 101
6.4 魚群整體結構動態變化 102
6.4.1 描述魚群動態結構的參數 102
6.4.2 魚群群體形狀與運動速度的關系 103
6.5 魚群行為模型與功能設計 103
6.5.1 集群設計原則 103
6.5.2 Aggregation 魚群匯聚搶食模型 105
6.5.3 School 魚群匯聚逃逸模型 105
6.5.4 魚群仿真功能方法的設計 106
6.6 機器魚集群特征及其應用 107
6.6.1 機器魚群的基本行為 107
6.6.2 機器魚群的應用 107
6.7 本章小結 108
第7章 魚群-捕食者模型的仿真設計 109
7.1 魚群-捕食者模型概述 109
7.2 魚群-捕食者模型的構建 109
7.2.1 緊湊行為 111
7.2.2 躲避行為 112
7.2.3 球形行為 113
7.2.4 被驅趕行為 114
7.2.5 液泡行為 115
7.2.6 噴泉行為 116
7.2.7 沙漏行為 118
7.2.8 閃光行為 119
7.2.9 分裂行為 121
7.2.10 匯合行為 122
7.3 魚群-捕食者模型算法的設計 122
7.3.1 緊湊-躲避行為算法 122
7.3.2 球形行為算法 123
7.3.3 被驅趕、液泡和沙漏行為算法 124
7.3.4 噴泉行為算法 125
7.3.5 閃光行為算法 126
7.3.6 分裂行為算法 127
7.3.7 匯合行為算法 128
7.4 基于魚群-捕食者模型的目標選擇策略模型 129
7.4.1 魚群行為模型的構建 129
7.4.2 捕食者行為模型的構建 130
7.4.3 魚群特征參數的設定 132
7.4.4 無捕食者群體狀態和有捕食者使用目標選擇策略P 的群體狀態對比 132
7.4.5 同一魚群規模下3種不同目標選擇策略的效果對比 135
7.4.6 不同魚群規模下3種目標選擇策略的效果對比 136
7.5 本章小結 137
第8章 人工智能魚案例設計與分析 138
8.1 基于“彈簧-質點”模型的魚類游泳動作行為仿真 138
8.1.1 案例介紹 138
8.1.2 主要開發平臺和技術 138
8.1.3 案例的總結構圖 138
8.1.4 海洋環境的設計與實現 138
8.1.5 虛擬魚的具體設計與仿真 142
8.2 南非擬沙丁魚群洄游仿真 146
8.2.1 案例介紹 146
8.2.2 主要開發平臺和技術 146
8.2.3 沙丁魚群洄游的仿真與實現 146
8.3 基于機器魚的水質pH 值檢測 152
8.3.1 案例介紹 152
8.3.2 主要開發平臺和技術 153
8.3.3 機器魚的構造和功能 153
8.3.4 水質pH 值檢測 154
8.4 AIFish——面向動態識別的人工智能魚設計 156
8.4.1 案例介紹 156
8.4.2 主要開發平臺和技術 156
8.4.3 采用Vuforia 插件實現AR識別 156
8.4.4 基于AlexNet 網絡對魚類的識別 160
8.4.5 基于深度學習的動態識別
魚類效果 164
8.5 本章小結 165
參考文獻 166
新書資訊