基于计算机视觉的循环水养殖系统残饵识别研究

       摘要: 利用计算机视觉技术和机器学习方法研究工业化循环水养殖的残饵与粪便的识别问题,为基于残饵浓度检测的智能投喂系统提供理论依据。首先对残饵视频进行图像预处理,分割出残饵和粪便图像;然后根据残饵和粪便在灰度分布和形状上的差异,提取平均灰度,周长平方面积比、凸壳面积比、骨架数、对比度、逆差距6个特征;再分别运用4种不同核函数的支持向量机( SVM)算法和改进的决策树算法进行残饵图像识别。结果显示,径向基核函数的SVM算法识别效果最好,残饵和粪便识别率分别达到99%和97%以上;改进离散方式的决策树算法识别率与SVM算法的识别率接近,并且实时性更好。

作者:
穆春华 范良忠 刘鹰
单位:
太原科技大学电子信息工程学院,太原030024; 浙江大学宁波理工学院信息与工程学院,宁波315100 浙江大学宁波理工学院信息与工程学院,宁波,315100 中国科学院海洋研究所,青岛,266071
出处:
《渔业现代化》
刊期:
2015年第42卷第2期
基金:
国家自然科学基金项目“基于计算机视觉的鱼类异常行为建模与识别研究(31302231)” 浙江省教育厅科研项目“封闭循环水养殖系统鱼类异常行为建模( Y201226043)” 宁波市自然科学基金项目“基于计算机视觉的大黄鱼行为研究(2012A610110)”

基于计算机视觉的循环水养殖系统残饵识别研究

摘要:利用计算机视觉技术和机器学习方法研究工业化循环水养殖的残饵与粪便的识别问题,为基于残饵浓度检测的智能投喂系统提供理论依据。首先对残饵视频进行图像预处理,分割出残饵和粪便图像;然后根据残饵和粪便在灰度分布和形状上的差异,提取平均灰度,周长平方面积比、凸壳面积比、骨架数、对比度、逆差距6个特征;再分别运用4种不同核函数的支持向量机( SVM)算法和改进的决策树算法进行残饵图像识别。结果显示,径向基核函数的SVM算法识别效果最好,残饵和粪便识别率分别达到99%和97%以上;改进离散方式的决策树算法识别率与SVM算法的识别率接近,并且实时性更好。

说明:如本页面涉及到版权问题或作者不愿意公开,请联系本站管理员删除!

0.233307s