学位论文 > 优秀研究生学位论文题录展示

基于计算机视觉的大西洋鲑鱼肉色自动分级及摄食活性测量研究

作　者: 刘子毅
导　师: 刘鹰
学　校: 中国科学院研究生院（海洋研究所）
专　业: 环境工程
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
分类号: S965.3
类　型: 硕士论文
年　份: 2013年
下　载: 15次
引　用: 0次
阅　读: 论文下载

内容摘要

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CIELab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。

全文目录

致谢  4-6
摘要  6-7
Abstract  7-11
1 绪论  11-27
  1.1 工业化循环水养殖系统  11-12
  1.2 大西洋鲑鱼工业化循环水养殖  12-14
  1.3 大西洋鲑鱼工业化循环水养殖登陆中国后面临的挑战  14-16
    1.3.1 大西洋鲑鱼肉质评价  14-15
    1.3.2 大西洋鲑鱼封闭循环水养殖系统的投馆管理  15-16
  1.4 鱼类行为学在水产养殖生产中的应用  16-23
    1.4.1 国内外鱼类行为学研究现状  16-17
    1.4.2 鱼类的摄食行为学研究  17-18
    1.4.3 鱼群的摄食行为与食欲  18-20
    1.4.4 鱼群摄食的感官基础  20-22
    1.4.5 基于鱼群摄食行为的投喂管理  22-23
    1.4.6 小结  23
  1.5 计算机视觉技术在水产养殖中的应用  23-26
    1.5.1 计算机视觉技术在鱼种及形状识别方面的应用  24
    1.5.2 计算机视觉技术在鱼群计数方面的应用  24-25
    1.5.3 计算机视觉技术在生物量估測方面的应用  25
    1.5.4 计算机视觉技术在智能投喂中的应用  25-26
  1.6 小结  26
  1.7 课题的研究背景和内容  26-27
2 基于计算机视觉技术的鱼肉自动分级装置及方法  27-47
  2.1 概述  27
  2.2 材料和方法  27-43
    2.2.1 大西洋鲑鱼肉片及图像  27-29
    2.2.2 分析与概论  29-30
    2.2.3 颜色空间模型  30-35
    2.2.4 图像处理  35-43
      2.2.4.1 图像预处理  35-37
      2.2.4.2 肉片区域分割  37
      2.2.4.3 肉色分级  37-40
      2.2.4.4 基于人工感知的肉色分级  40-41
      2.2.4.5 颜色特征筛选  41-43
  2.3 分析与讨论  43-45
  2.4 小结  45-47
3 基于计算机视觉的大西洋鲑鱼群摄食活跃性测量  47-66
  3.1 概述  47
  3.2 鱼和实验系统  47-49
    3.2.1 实验用鱼  47
    3.2.2 循环水实验系统  47-48
    3.2.3 计算机视觉系统  48-49
  3.3 摄食活跃性量化方法  49-52
    3.3.1 鱼群运动活跃性量化  49-51
    3.3.2 鱼群的重叠系数  51
    3.3.3 基于计算机视觉的鱼群摄食活跃性指数  51-52
  3.4 干扰图像识别  52-54
    3.4.1 水面反光图像  52-54
  3.5 图像处理  54-59
    3.5.1 背景扰动  54-55
    3.5.2 用于计算CVFAI的图像  55-57
      3.5.2.1 均值滤波  55-57
      3.5.2.2 图像减法处理  57
    3.5.3 水面反光帧的自动辨识  57-59
      3.5.3.1 水面反光检测  58-59
      3.5.3.2 水面反光帕辨识  59
  3.6 基于人工观测的摄食活跃性指数  59-60
  3.7 结果与讨论  60-63
    3.7.1 鱼群投影面积与可观测鱼数的线性关系  60
    3.7.2 a值的确定  60-61
    3.7.3 CVFAI  61-63
    3.7.5 CVFAI vs. MOFAI  63
  3.8 讨论  63-65
  3.9 小结  65-66
4 结论与展望  66-68
  4.1 结论  66-67
    4.1.1 大西洋鲑鱼肉色的自动分级  66
    4.1.2 基于计算机视觉的大西洋鲑摄食活跃性測量  66-67
  4.2 展望  67-68
参考文献  68-71
作者简介  71
主要研究论文  71

基于计算机视觉的大西洋鲑鱼肉色自动分级及摄食活性测量研究

内容摘要

全文目录

相似论文