基于形状及纹理特征的淡水鱼种类自动识别方法

[目的]本文利用自行搭建的淡水鱼图像采集装置在淡水鱼捕捞现场采集鱼体图像,在图像数据集上提出一种实用的淡水鱼自动识别分类方法。[方法]对14类淡水鱼图像进行预处理、自模板匹配操作,分割出完整的鱼体前景图像;提取鱼体全身、去尾鱼体及鱼尾的16维形状特征,利用灰度-梯度共生矩阵(GLGCM)、局部二值模式(LBP)及Gabor变换提取鱼体纹理特征,采用主成分分析法(PCA)分别筛选GLGCM纹理+形状、LBP纹理+形状和Gabor纹理+形状特征累积贡献率超过85%的特征组合。将降维前后特征集的70%和30%分别作为训练集和验证集,利用朴素贝叶斯、K近邻(KNN)、线性回归、决策树、随机森林、支持向量机(SVM)、梯度提升决策树(GBDT)7种机器学习方法训练淡水鱼品种分类器,并利用验证集数据分析对比各分类器的性能。[结果]鱼体前景图像分割算法测试结果表明,本文提出的自模板匹配方法可在不建立大规模模板库的前提下,以99.79%的正确率分割鱼体图像。分类器性能验证及对比结果表明,基于GLGCM纹理+形状特征的随机森林分类器的淡水鱼识别精度最高,降维获得的5维GLGCM纹理+形状特征向量识别14种淡水鱼的正确率达到99.52%。[结论]提出的自模板匹配方法可以在不构建庞大模板库的前提下实现鱼体前景区域的分割,基于筛选得到的GLGCM纹理+形状特征的随机森林分类器可用于自动识别淡水鱼品种。

Taxonomical notes on selected freshwater fish species described from northern and central Vietnam （Cypriniformes： Balitoridae, Cobitidae, Cyprinidae, Nemacheilidae; Perciformes： Channidae, Osphronemidae; Synbranchiformes： Mastacembelidae）

Selected,little known taxa of northern and central Vietnamese freshwater fish species are reviewed.Nomenclatural acts are taken:Hemibarbus lehoai is placed in synonymy of H.maculatus,Paracobitis hagiangensis in synonymy of Schistura caudofurca.A neotype of Micronemacheilus bacmeensis is assigned.The name Channa hanamensis is treated as a nomen nudum.Two labeonine species described from China are nomenclaturally affected:Garra findolabium is transferred to Vinagarra and its specific epithet is treated as a noun in apposition;the specific epithet of Sinigarra napoense is corrected to napoensis.

基于机械视觉的鱼的辨别

改革开放以来,我国淡水渔业无论在国内还是国际的渔业发展中都具有十分重要的地位和作用[1]。近几年,我国淡水养殖业有较大发展,产量占总渔获量的40%左右,但由于传统的生活习俗,淡水鱼都是活销或鲜销,故加工量很少[2]。本研究将机器视觉、图像处理技术、模式识别应用于淡水鱼的品种识别研究中,使用Photoshop软件对收集到的图片进行处理,提取鱼体外轮廓,使用Matlab收集图像特征,得出实验数据,该技术的建立和实施有利于实现鱼类营养价值和经济价值的最大化,提高我国鱼类资源利用率。