基于计算机视觉的大西洋鲑鱼肉色自动分级及摄食活跃性测量研究

IOCAS-IR > 海洋生物技术研发中心

	基于计算机视觉的大西洋鲑鱼肉色自动分级及摄食活跃性测量研究
	刘子毅
学位类型	硕士
导师	刘鹰
	2013
学位授予单位	中国科学院研究生院
学位专业	环境工程
关键词	计算机视觉模式识别大西洋鲑鱼肉色分级摄食活跃性
摘要	大西洋鲑鱼工业化封闭循环水养殖中，成鱼加工和投喂管理的流程优化是目前抑制生产养殖成本的两大关键环节。本文从自动化角度出发，基于计算机视觉技术对成成鱼加工中鱼肉肉色分级问题和生产中投喂控制问题进行了研究。结果显示，基于多颜色模型对于鱼肉肉色进行自动分级的结果与传统基于罗氏标准比色卡的人工分级结果差异并不显著。而经过线性相关性分析，基于鱼群摄食行为的摄食活性测量结果与人工判定结果的相关系数达0.9195。本研究具体内容如下：（1）基于计算机视觉的大西洋鲑鱼肉色自动分级肉色是评判大西洋鲑鱼肉品品质的重要因素。本文首先通过视觉系统采集大西洋鲑鱼肉片图像，利用图像处理与分析技术提取其在RGB、HSV和CIE Lab颜色空间的特征向量，然后分别采用最近邻规则、多元线性回归和最小二乘支持向量机等方法对肉色特征进行建模，将模型预测结果与人工主观评价的结果进行对比分析。实验结果表明，结合计算机视觉与机器学习方法构建的分级系统具有良好的稳定性和准确率，是实现大西洋鲑鱼肉色快速无损检测的有效方法。（2）基于计算机视觉的大西洋鲑鱼群摄食活性测量在循环水系统中，过投喂事件通常会损害鱼类福利，并严重影响系统运行。本研究基于计算机视觉方法对大西洋鲑鱼群的摄食活性进行测量。通过分析大西洋鲑鱼群的摄食图像，提出了基于差分帧的鱼群摄食活性量化方法。并针对大规模鱼群中的相互重叠问题对于图像分析的影响，提出了一个重叠系数来校正分析结果。同时，鱼群在水面摄食所造成的水面反光图像亦会导致计算结果的不精确性，本文建立了一种水面反光图像的自动检测与识别方法，并对由该类图像计算而得的结果进行删除后再做插值处理。最后，为了验证所提出方法的准确性，本研究将基于计算机视觉的摄食活性测量方法与基于人工观测记录的方法进行线性相关性分析，相关系数达到0.9195。因而，该方法是一种潜在的能够指导生产投喂管理的参考方法。关键词：计算机视觉；大西洋鲑鱼；肉色分级；摄食活性；机器学习
语种	中文
文献类型	学位论文
条目标识符	http://ir.qdio.ac.cn/handle/337002/17712
专题	海洋生物技术研发中心
推荐引用方式 GB/T 7714	刘子毅. 基于计算机视觉的大西洋鲑鱼肉色自动分级及摄食活跃性测量研究[D]. 中国科学院研究生院,2013.

条目包含的文件
文件名称/大小	文献类型	版本类型	开放类型	使用许可
基于计算机视觉的大西洋鲑鱼肉色自动分级及（1723KB）			限制开放	CC BY-NC-SA	浏览