基于近红外机器视觉的鱼类摄食强度评估方法研究

在水产养殖中,鱼类的摄食强度可以反映其食欲,准确客观地评估鱼类的摄食强度对指导投喂和生产实践具有重要意义。针对当前鱼类摄食强度评估过程中存在的人工观测效率低、客观性不强的问题,本研究以实现鱼类食欲的自动客观分析为目的,提出了一种基于近红外机器视觉的游泳型鱼类摄食强度的评估方法。首先,利用近红外工业相机搭建了近红外图像采集系统,采集了鱼类摄食过程中的图像。经过一系列图像处理步骤后,利用灰度共生矩阵提取摄食图像的纹理特征变量信息,包括对比度、能量、相关性、逆差距和熵等。之后,将这5个特征变量作为输入向量构建了模型的数据集,并训练了支持向量机分类器。为了提高模型分类的准确率,利用网格搜索法选取支持向量机分类器的最优惩罚系数c和核函数参数g。最后利用训练好的模型将鱼类的摄食强度分为弱、一般、中和强4类,最终实现了鱼类摄食强度的评估。试验结果表明,图像纹理可以较好地描述鱼类摄食过程中的行为变化,正确识别4类摄食强度的准确率达到87.78%,且不需要考虑水花等对成像质量的影响,具有较强的适应性。本方法可用于鱼类食欲的自动客观评估,为后续投喂决策提供理论依据和方法支持。

基于特征加权融合的鱼类摄食活动强度评估方法

为解决鱼类养殖中投喂精度低的问题,提出了一种基于特征加权融合的鱼类摄食活动强度评估方法。该方法以鱼群为研究对象,利用不同摄食阶段图像的特征对摄食活动强度进行分析,避免了复杂背景中单体鱼的切割。首先,利用图像预处理技术获取前景目标,通过鱼群质心绘制出不同摄食阶段的鱼群游动轨迹;其次,分别提取图像的颜色、形状和纹理等特征;然后,使用Relief特征选择和XGBoost算法筛选出3个摄食评价因子,采用加权融合方法确定每个评价因子的最佳权重;最后,通过融合后的特征对摄食活动强度进行评估。试验结果表明,与传统面积法相比,本文提出方法的决定系数可达0.9043,且摄食识别准确率高达98.89%。该方法在增强鲁棒性的同时,提高了检测和评估效率,可为鱼群摄食行为检测和活动强度评估提供参考。

基于近红外深度图的游泳型鱼类摄食强度实时测量

针对水产养殖过程中精准投喂难题,提出一种基于近红外深度图的鱼类摄食活动强度评估方法。该方法不以目标跟踪为基础,不受养殖现场光照条件限制,无须依赖于清澈的水体与稳定背景,通过对深度数据直接处理,以最低的计算量实现鱼类前景目标提取及背景图像剔除,用新方法获取清晰的鱼类摄食图像。进而通过深度图的目标像素点总数判断抢食鱼类的数量,结合目标像素点的变化率,实时反映出鱼类摄食活跃程度;与传统的基于二维图像纹理特征的分析方法相比,该方法大幅度地降低了计算量,为养殖现场的实时测控提供了可实施方案。实验结果表明:近红外深度图不受养殖现场成像条件的限制,能以简洁的数据形式有效地表征鱼类的摄食规律,其方法对于分析在水面抢食浮性饲料,并在非摄食阶段栖息于水体底部的鱼类具有理想的分析效果。论文为鱼类行为分析提出一种新的技术手段,对精准投喂的应用具有积极的指导意义。

基于Linux的水产养殖监测及智能投喂系统设计

为了衡量鱼类的摄食强度,监测养殖环境,本文设计了一种基于Linux的水产养殖监测及智能投喂系统。该系统以TegraX1芯片为核心,通过高清摄像头、温度传感器、水位传感器和氧含量传感器采集信息,图像信息由PeleeNet深度学习算法进行预测,最终控制电机进行自适应投喂。其他传感器信息经过逻辑判断后,直接由主控芯片控制继电器完成对应任务。系统可以通过设计的GUI界面实时显示当前采集的图像信息及监测信息并操作,经试验验证,设计系统识别率较高,程序执行稳定。