Computers and Electronics in Agriculture·10月1日 · 周四论文智慧农业 / 农业物联网阅读 2
Interpretable machine learning reveals threshold effects of blue mussel (Mytilus edulis) fouling on the hydrodynamic response of the marine aquaculture netting
Ming-Shan Sun · Chun-Wei Bi · Shubin Zhang
Computers and Electronics in AgricultureDOI 10.1016/j.compag.2026.112492
论文解读
74接近精选线
速览
用可解释机器学习揭示蓝贻贝污损对海水养殖网箱水动力响应的阈值效应。
方法
可解释机器学习模型，分析网衣污损程度与水动力响应数据。
发现
蓝贻贝污损对网衣水动力响应存在阈值效应，超过阈值后影响显著加剧。
机会点
可延伸至不同污损生物与网衣材料下的阈值建模，支撑智能清洗决策与网箱安全预警。
影响力12
信息增量21
专业深度18
信源权威14
时效性9
可解释机器学习揭示贻贝污损对养殖网衣水动力响应的阈值效应，方法新颖、结论可靠，对深远海养殖装备运维有参考价值，但属细分领域研究，影响面有限。
原文摘要
可解释机器学习揭示蓝贻贝（Mytilus edulis）污损对海水养殖网箱水动力响应的阈值效应。