本研究以宜蘭大學蔡孟利教授所開發之蝦類生理訊號量測系統為基礎,針對蝦類之呼吸與心跳訊號進行自動化的辨識與統計分析。實驗資料包含左、右側呼吸及心跳三通道訊號,每秒取樣 4000 次,單次紀錄長達 12 小時。研究首先針對訊號進行正規化與下採樣處理,並以物件偵測模型(YOLOv7)自動偵測與分割出週期性波形。接著,針對各段週期計算峰值、振幅、週期長度等統計特徵,進行假設檢定與群間比較,分析不同生理狀態(如休眠、蛻殼)下之差異。此外,利用非監督式學習方法進行分群,以探索不同類型的呼吸與心跳模式。研究結果顯示,物件偵測結合統計分析能有效提升蝦類生理訊號辨識之效率與精確度,為建立水產生物生理監測之自動化分析流程提供可行架構。未來可應用於養殖環境健康監測及生理行為變化的長期觀察。

• 書面報告

• 3分鐘簡介影片

• 研討會15分鐘報告影片