基于ResNet34模型的大菱鲆鱼苗识别计数方法

鱼苗数量的精准统计对提升苗种品质评价、养殖密度估算、鱼苗销售等环节的智能化水平具有重要作用。针对大菱鲆鱼苗个体小、透明度高以及体型不规则等影响计数精准度的问题,提出了一种基于ResNet34的大菱鲆鱼苗识别计数方法。首先,设计了一套适用于微小目标计数需要的图像采样装置,采用图像预处理方法实现鱼苗前景分割和初步定位。为了有效统一样本空间和待识别目标空间,利用最小外接矩规则化初步定位前景图像,构建图像样本集。大菱鲆鱼苗识别阶段,利用相同预处理方法获取待识别目标区域,并引入ResNet34模型作为识别模型实现待识别目标区域苗种识别;最后,通过统计所有待识别目标识别数量结果实现大菱鲆苗种计数。结果显示:本方法在微小鱼苗识别计数方面取得了较好的精度,利用ResNet34模型的大菱鲆鱼苗的识别平均准确率达到94.27%,比基于SVM方法(识别精度85.8%)和AlexNet(识别精度87.04%)方法识别精度分别提高7.4个百分点和8.64个百分点,优于ResNet18(识别精度93.21%)和ResNet50(识别精度93.83%)等相似结构的识别效果。本模型鱼苗计数的平均准确率达到96.28%。研究表明,提出的样本集构建和识别方法能够满足微小目标计数需求,可为鱼类苗种计数提供了技术借鉴。

基于机器视觉的番茄实时分级系统设计

针对人工检测番茄品质效率低、主观性强等问题,设计了基于机器视觉技术的适应于番茄外部品质检测的多方法融合的图像采集及图像处理系统.首先,采用颜色直方图获取番茄的颜色特征;其次,通过边界跟踪算法得到番茄的半径序列点,经过傅里叶变换与反变换处理,计算出番茄的不规则度,从而对其形状特征进行描述,同时,将格林公式变形求得番茄形心坐标,并利用圆形度计算其最大横径,以获取番茄的大小特征;最后,用基于线性判别函数和决策树的模式分类器对番茄的大小、颜色和形状特征综合进行分级处理.实验结果表明,系统分级结果基本稳定,分级精度达到92%.

水产养殖生产信息化技术发展研究

水产养殖生产信息化是信息技术在产业生产全链条的高度集成和综合应用,对中国水产养殖产业信息化发展具有积极的推动作用,能够有效改变传统的渔业生产方式,促进企业生产向精准化、智能化方向发展。本研究从产业发展和技术应用的角度,对水产养殖生产信息化的基本任务进行了分析。总结了生产信息化基本技术环节,从信息采集、智能决策、企业信息化模式和智慧服务组件4个方向梳理了国内外水产养殖信息化技术发展现状和研究进展。最后针对水产养殖智能技术深度应用过程中碰到的困难与挑战,从提升信息采集能力、知识和数据的智能应用、实现全面感知和装备智能化等方面提出了水产养殖生产信息化技术发展方向和应用发展的对策。

基于帧间光流特征和改进RNN的草鱼摄食状态分类

针对鱼类连续摄食行为较难识别与量化的问题,提出一种基于帧间光流特征和改进递归神经网络(Recurrent neural network, RNN)的草鱼摄食状态分类方法。首先利用偏振相机搭建户外池塘采样系统,采集不同偏振角度水面图像,并基于图像饱和度和亮度模型自动选择低反光角度图像,构建图像样本库;其次通过光流法提取帧间运动特征,并基于投饲机开关状态构建时间序列帧间特征样本集,然后利用样本集训练改进RNN分类网络。以上海市崇明区瑞钵水产养殖专业合作社的试验数据对该方法进行验证。结果表明,研究方法综合准确率为91%,召回率为92.2%,均优于传统的鱼类摄食行为识别方法。研究结果可为鱼类精准投喂技术研究提供参考。

基于机器视觉的吸鱼泵过鱼量计数系统试验研究

为实现吸鱼泵过鱼数量的自动计数,设计了一种基于机器视觉的吸鱼泵过鱼量计数系统。该系统主要由过鱼管道、相机、光源及工业平板电脑组成;采用全遮光设计,其中过鱼管道使用透明有机玻璃材质;采用背光照射方式获取鱼类轮廓信息。围绕计数装备的工作特点,提出一种双兴趣线(Double line-of-interest)计数方法,结合鱼类投影面积分析,构建视频切片面积变化特征。对比不同的学习算法对特征向量分类结果,选取支持向量机(Support vector machine,SVM)算法实现过鱼数量统计。结果显示,计数系统能够实现过鱼数量统计,平均计数精度≥90%。研究表明,该计数算法能够有效区分重叠和粘连状态,有效提升了系统的鲁棒性。

齿轮箱刚柔耦合故障诊断仿真分析

齿轮在传动过程中会产生弹性变形和微小故障的振动问题。建立了多级齿轮传动的虚拟样机,并在二级直齿轮传动刚体动力学模型中对传动齿轮引入柔性体,分别对正常模型和齿面磨损故障模型两种工况进行仿真,得到的仿真信号与实测信号相对比,验证了模型的准确性。提出了一种基于希尔伯特-黄变换(HHT)信号处理方法,将仿真信号进行一维级联组合形态学滤波消噪和希尔伯特-黄变换,准确识别出齿面磨损故障,所得结果与理论计算值的对比验证了方法的可行性。

基于ResNet的典型养殖鱼类识别方法研究

水下目标精准识别对指导养殖生产、辅助养殖决策具有十分重要的作用,而目标识别精度和运行效率是影响识别技术深入应用的关键问题。针对鱼类识别产业应用需求,以ResNet(Residual Neural Network)框架为核心,通过比较分析不同框架结构对鱼类识别精度和效果的影响,确定适用于典型养殖鱼类识别的ResNet网络结构形式。首先,采用多相机同步采样方式,获取不同姿态鱼类图像,满足高柔性、多姿态的运动目标样本集构建需要;其次,为了提升样本对不同背景的适应能力,选取具有不同背景的目标鱼类图像,丰富图像样本集;然后,以典型的ResNet18、ResNet34、ResNet50框架结构为比较模型,分析不同结构在识别效率和识别精度方面的整体效果。结果显示,ResNet50识别精度最高,达到95.47%,ResNet34次之,达到95.03%,但ResNet50识别效率比ResNet34降低20.43%,综合考虑识别精度和识别效率,ResNet34更加适用于大样本量鱼类图像的识别分类。

基于图像处理的荧光显微神经丝运动跟踪研究

神经丝蛋白质是具有细长突起的细胞中突起部分的重要组成单位,通过跟踪神经丝蛋白质,可以研究医学神经退行性方面的疾病.针对人工手动跟踪神经丝蛋白质效率低、主观性强等问题,提出了一种基于图像处理技术的神经丝蛋白质自动跟踪的全新方法.该项目构建了适应于视频中荧光显微下神经丝蛋白质运动目标检测的图像采集软件系统,通过MATLAB拆分视频获得每一帧神经丝蛋白质图像,研究了适合于该图像的预处理方法.采用间隙统计法对神经丝蛋白质图片进行分析处理,使用K-means聚类分割算法逐次收敛出不同类别的对象.利用主动轮廓模型将初始轮廓迭代收敛为神经丝蛋白质的轮廓.通过每一帧蛋白质的位置坐标,得到神经丝蛋白质的运动路径,从而达到跟踪的目的.系统能够有效的提取出视频中的神经丝蛋白质,实现实时跟踪,减少了运算时间,提高了跟踪精度.

基于KF和MS算法的神经丝蛋白质自动跟踪性能比较

跟踪研究神经丝在生物医学神经退行疾病领域有重要意义,针对人工标记效率低的现状,提出用计算机自动跟踪神经丝。本文采用Kalman滤波算法和Mean Shift算法对荧光显微下神经丝蛋白质运动视频进行目标跟踪,跟踪结果表明,基于运动模型和估计测量值的Kalman滤波算法在跟踪效果上明显优于基于颜色空间特征的Mean Shift算法。