基于鱼体背部弯曲潜能算法的四种主养鱼类识别

以四种主养淡水鱼鲫(Carassius auratus)、草鱼(Ctenopharyngodon idellus)、团头鲂(Megalobrama amblycephala)、鲤(Cyprinus carpio)为例,提出一种基于图像处理技术的鱼种类自动识别方法。首先通过鱼体信息采集系统获取待识别鱼体图像,并对其进行灰度化与二值化,得到鱼体轮廓信息;然后采用邻域边界算法对鱼体的轮廓进行提取,根据轮廓曲线建立鱼体背部轮廓数学模型;最后根据轮廓模型,采用鱼体背部弯曲潜能算法对不同种类鱼体样本的背部弯曲潜能值进行计算和聚类统计,得到不同鱼类样本的背部弯曲潜能值分布区间,从而通过比对待识别鱼体背部弯曲潜能值的区间实现对不同鱼类的自动识别。对四种主养鱼类的实验测试结果表明,对团头鲂的识别精度可以达到100%,对鲫、鲤和草鱼的识别精度达到96%,基本上能准确实现四种鱼体的分类识别,具有较好的实际应用价值。

基于背部轮廓相关系数算法的淡水鱼种类识别研究

针对淡水鱼种类的自动识别问题,利用机器视觉技术,提出一种基于鱼体背部轮廓相关系数算法的鱼体种类识别方法。首先根据采集的鲫、草鱼、鳊、鲤四种淡水鱼图片,将图像处理方法应用到鱼体背部轮廓的提取上,并采用最小二乘算法对鱼体背部轮廓进行曲线拟合,建立这四种淡水鱼的背部轮廓数学模型;接着对要识别的鱼体,通过机器视觉技术获得鱼体轮廓,并计算提取的鱼体轮廓与建立的四种鱼背部轮廓数学模型的相关系数值,达到对鱼体种类自动识别目地;最后采用提出的方法对市场随机选取的各60条活鱼进行了测试,测试结果表明,该算法简单,识别准确率较高,能够为淡水鱼种类识别方法提供新的思路,提高水产养殖的自动化水平。

鱼体背部轮廓BPR算法的淡水鱼种类识别方法研究

针对淡水鱼种类的在线自动识别问题,利用机器视觉技术,提出一种鱼体背部轮廓弯曲潜能比率BPR(Bending Potential Ratio)的无损鱼体识别方法。首先通过分析采集的鲫、草鱼、鳊、鲤四种常见鱼类样本集,采用最小二乘算法建立相应的背部轮廓数学模型,并对鱼的BPR值分布区间作统计分析;接着对需要在线识别的鱼体通过摄像头获取相应彩色图像,并对获取的彩色图像进行相关预处理得到鱼体轮廓;最后计算鱼体图像的BPR值并根据建立的鱼体BPR分布模型识别出鱼的种类。实验结果表明,所提方法具有算法简单、识别准确率较高的特点,在采集的数据库上识别精度达到95%以上。