基于計(jì)算機(jī)視覺(jué)技術(shù)的分魚(yú)算法研究.pdf

1、我國(guó)淡水魚(yú)種類(lèi)繁多，不同種類(lèi)的淡水魚(yú)具有不同的營(yíng)養(yǎng)價(jià)值和市場(chǎng)價(jià)值，而且很多種淡水魚(yú)相似性通過(guò)肉眼無(wú)法識(shí)別。目前在國(guó)內(nèi)加工行業(yè)對(duì)魚(yú)的品種分類(lèi)主要依賴人工，人工分魚(yú)受人為因素影響，不僅效率低還影響魚(yú)的存活周期，而且需要大量的勞動(dòng)力，增加了勞動(dòng)力成本。隨著科學(xué)技術(shù)的發(fā)展，出現(xiàn)了機(jī)械式分魚(yú)設(shè)備，機(jī)械式的分魚(yú)對(duì)魚(yú)的損傷比較大，而且只能分出魚(yú)的大小，對(duì)魚(yú)的品種無(wú)法準(zhǔn)確的識(shí)別和判斷。隨著計(jì)算機(jī)視覺(jué)技術(shù)的快速發(fā)展，利用計(jì)算機(jī)視覺(jué)代替我們?nèi)搜鄯拄~(yú)，無(wú)疑是

2、解決上述問(wèn)題的好方法，本論文就是以實(shí)現(xiàn)自動(dòng)分類(lèi)魚(yú)的種類(lèi)為目的，建立一種基于計(jì)算機(jī)視覺(jué)技術(shù)的無(wú)損分魚(yú)模型。
　　本論文選取6種常見(jiàn)的淡水魚(yú)為研究對(duì)象，搭建采集淡水魚(yú)圖像的計(jì)算機(jī)視覺(jué)實(shí)驗(yàn)平臺(tái)。針對(duì)魚(yú)的特征提取，探討了適用于魚(yú)的圖像預(yù)處理算法，為了很好的分割魚(yú)和背景，采用加權(quán)平均法進(jìn)行魚(yú)的灰度化；進(jìn)行二值化的目的是為了突出魚(yú)的特征，采用常用的閾值處理方法，針對(duì)圖像中存在的噪點(diǎn)，提出了一種改進(jìn)的自適應(yīng)中值濾波的去除方法；為了提取魚(yú)的幾何形

3、狀特征，采用了邊界追蹤的方法進(jìn)行輪廓提取。
　　圖像預(yù)處理的目的是為了特征提取，本論文為了全面反映魚(yú)的特征信息，提取了顏色、紋理、形狀等三大特征共計(jì)24個(gè)特征值；通過(guò)對(duì)六種魚(yú)的顏色直觀描述，不能很好的區(qū)分每種魚(yú)，本論文提取了RGB和HSV顏色分量的均值和方差數(shù)據(jù)，有助于透過(guò)數(shù)據(jù)區(qū)分每種魚(yú)；針對(duì)六種不同的魚(yú)，魚(yú)的紋理有很大的差別，采用灰度共生矩陣的方法，提取紋理5個(gè)特征值；由于淡水魚(yú)的幾何形狀不規(guī)則，密度不均，需要綜合提取了魚(yú)的面積

4、、周長(zhǎng)、長(zhǎng)軸、短軸等特征來(lái)反映魚(yú)的幾何特征。
　　本論文采集了120條魚(yú)的樣本，對(duì)這些樣本的24個(gè)特征參數(shù)采用了主成分分析方法進(jìn)行了降維，提取了能夠反映魚(yú)全部信息的四個(gè)主成分，這樣做的目的是用較少的特征信息反映整條魚(yú)的信息，減少了數(shù)據(jù)的計(jì)算量。對(duì)于小樣本的分類(lèi)算法，本論文選擇了基于支持向量機(jī)的分類(lèi)算法，為了提高識(shí)別率，選擇交叉驗(yàn)證網(wǎng)格尋優(yōu)的方法進(jìn)行了參數(shù)優(yōu)化，核函數(shù)選擇了徑向基，并在區(qū)間[0,1]對(duì)數(shù)據(jù)進(jìn)行了歸一化,最后的分類(lèi)識(shí)別