论文部分内容阅读
梭子蟹是我国重要水产养殖品种之一。传统的梭子蟹养殖以池塘散养为主，养成成活率低，单位面积养殖效益不高。而随着中国工业化和城市化进程的发展，水产养殖面积正在逐年萎缩，迫使梭子蟹养殖业必须进行产业升级，从粗放型向着集约型演化。梭子蟹养殖业的产业升级在带来较高经济效益的同时，也增加了养殖工人的劳动量并给养殖工作信息化提出了更高的要求。近些年来，计算机视觉技术在水产养殖上有着广泛的应用，在水产品分级、质量估计和福利监测方面都取得了长足的进步，已成为水产养殖信息化不可缺少的技术之一。开展计算机视觉技术在梭子蟹养殖中的应用研究，对于梭子蟹养殖业产业化升级的实现，提高生产效率和生产品质有着重要意义。本文对梭子蟹养殖工作的实际需求进行分析，针对所存在的问题并结合国内外计算机视觉技术在其它生物的水产养殖的应用研究现状，开展了以下研究工作。1.为了将计算机视觉技术应用到梭子蟹的实际养殖工作中，本文提出了一种在水产养殖环境下的梭子蟹检测和跟踪方法。对于目标检测，本文采用的统计学模式识别的方法，通过离线学习梭子蟹在多种光照变化和形状变化下的特征来建立分类器，从而实现在复杂养殖环境下对梭子蟹的检测。对于目标跟踪，本文将梭子蟹跟踪作为一个二分类问题，选用具有稳定性和健壮性的压缩感知特征，结合朴素的贝叶斯分类器在线学习策略构建分类器，从而保证了在光线变化等情况下对梭子蟹有效地跟踪。相比于之前的研究，本文所提出检测和跟踪算法的实现不需要增加额外的装置来改变养殖环境使图像的背景变得简单，更具有经济实用性。同时，本文的方法具有一定普遍性，对于其它水产养殖生物的检测和跟踪也有一定的借鉴意义。2.在生物量估计方面，开展了基于计算机视觉的梭子蟹质量估计方法研究。运用图像处理技术，提取梭子蟹的像素面积，校正板校准后得到其真实面积，利用最小二乘法对面积和质量进行拟合，建立梭子蟹面积与质量的预测模型，预测的平均相对误差为6.40%，满足实际生产的需要。3.在福利监测方面，本文拍摄了梭子蟹在不同盐度下活动视频。通过对梭子蟹的长时间跟踪，并量化其活动量参数。结果显示低盐胁迫下梭子蟹的活动量与正常盐度下的梭子蟹活动量有着显著性差异。低盐胁迫下梭子蟹的活动量明显低于正常盐度，说明活动量可以作为梭子蟹健康的一个指标。