基于機器視覺的淡水魚品種識別及重量預測研究.pdf

1、淡水魚的肉味鮮美、營養(yǎng)豐富,是人們?nèi)粘Ｉ钪凶钕矏鄣氖澄镏弧５怯捎诘~作為一種特有的食物資源,具有易腐性、季節(jié)性、區(qū)域性和集中性等特點,制約了淡水魚產(chǎn)業(yè)的發(fā)展。因此,為了進一步提高淡水魚產(chǎn)品的經(jīng)濟價值,需要對打撈上來的淡水魚產(chǎn)品進行深度加工。但是在深加工之前需要對淡水魚按品種和重量進行分類,目前在我國淡水魚前處理加工過程中,品種分類主要依靠人工作業(yè),作業(yè)環(huán)境惡劣,勞動強度大,效率低；而重量分級則主要依靠機械分級,對魚體損傷比較嚴重

2、,不利于魚產(chǎn)品的商品價值,嚴重的制約了淡水魚產(chǎn)業(yè)的快速發(fā)展。針對這一問題,本文以常見的淡水魚為研究對象,采用機器視覺和數(shù)字圖像處理技術對淡水魚圖像的顏色特征和體型特征進行提取,并以此對品種識別方法進行了研究,同時建立了四種淡水魚的重量預測模型,為實現(xiàn)淡水魚品種的自動識別和分級提供理論依據(jù)和技術基礎。
　　 本文主要研究內(nèi)容與結論如下:
　　 (1)構建用于淡水魚識別的機器視覺系統(tǒng)。利用該系統(tǒng)采集了4種常見淡水魚共240張

3、圖像,其中180張作為建模集,60張作為檢驗集。
　　 (2)利用數(shù)字圖像處理技術對建模集中180條淡水魚原始圖像進行了顏色分量的提取、圖像灰度化、二值化、圖像增強和輪廓提取等預處理,得到了淡水魚二值圖像和輪廓圖。
　　 (3)通過提取的淡水魚圖像的各個顏色分量特征和體型特征參數(shù),建立四種淡水魚的品種識別模型。并用檢驗集中的60個樣本對該識別模型作了檢驗,其中鰱魚的識別率為100％,鳊魚的識別率為100％,鯽魚的識別率為

4、92.31％,鯉魚的識別率為93.75％。同時對模型中誤判的試驗樣本進行了分析,找出了主要造成誤判的因為。
　　 (4)通過試驗對建模集中的淡水魚的體型特征進行了測量,獲得了每種淡水魚的各部分的體長比例均值,同時對魚體進行了分解,測得了各部分的重量占總重量的比例均值,為后面對淡水魚的重量預測做準備。
　　 (5)利用各種淡水魚的體型特征參數(shù)對圖像中的各部分的投影面積進行提取,可以獲得淡水魚各部分的原始投影面積,并利用各部

5、分的重量比例對各部分的投影面積進行校正,之后利用spss軟件對校正后的各部分面積與重量做回歸分析,建立重量預測模型。用檢驗集對預測模型進行檢驗可知,各種淡水魚的重量預測相對誤差都比較小,鰱魚的相對誤差均值是3.57％,鳊魚的相對誤差均值為3.56％,鯽魚的相對誤差均值為3.41％,鯉魚的相對誤差均值為3.49％。由此可知利用機器視覺技術為淡水魚的重量分級方法提供參考。
　　 (6)基于VC++6.0開發(fā)了淡水魚品種識別和重量預測