海參識別是海參捕撈自動化和智能化的前提和關鍵。海參生活環(huán)境復雜且海參體色隨環(huán)境變化,為解決復雜多變環(huán)境下海參識別的難題,提出基于視覺圖像和海參特性的水下海參識別算法。利用海參體色隨環(huán)境變化而海參刺顏色穩(wěn)定呈黃綠色的特點,在圖像預處理的基礎上設計圖像融合算法突出海參刺,然后通過邊緣檢測獲取海參刺輪廓并計算輪廓質心坐標,進而通過橢圓擬合實現(xiàn)海參的識別。不同于已有的利用海參主干進行海參識別的方法,提出的基于直接最小二乘的海參刺質心橢圓擬合識別算法以海參刺的分割和橢圓擬合為途徑,解決海參體色隨環(huán)境變化而引起的識別率降低的問題。試驗結果表明,該算法對自然環(huán)境下的海參識別平均準確率為93.33%,具有一定的實用價值。 

【文章來源】：中國農(nóng)機化學報. 2020,41(07)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

水下海參識別流程圖

繪制水下海參灰度圖像和CLAHE增強灰度圖像的直方圖如圖3所示,其中橫坐標為灰度級,取值范圍是[0,255],縱坐標為對應灰度級的像素在圖像中出現(xiàn)的概率。對比CLAHE增強前后水下海參灰度圖像的直方圖發(fā)現(xiàn),CLAHE增強灰度圖像直方圖形狀與水下海參灰度圖像直方圖相似并且直方圖分布更加均勻,表明CLAHE算法增強后的水下海參圖像與原水下海參圖像結構相似,證明了內容的真實性。圖3 水下海參圖像直方圖

水下海參圖像直方圖

【參考文獻】：
期刊論文
[1]海參海水養(yǎng)殖技術研究[J]. 王儒勝.  畜禽業(yè). 2019(09)
[2]基于圖像處理和BP神經(jīng)網(wǎng)絡的玉米葉部病害識別[J]. 張開興,呂高龍,賈浩,趙秀艷,劉賢喜.  中國農(nóng)機化學報. 2019(08)
[3]基于機器視覺的枳殼自動定向方法與試驗[J]. 尚志軍,張華,曾成,樂猛,趙琪.  中國農(nóng)機化學報. 2019(07)
[4]基于特征融合和SVM的稻谷品種識別[J]. 李秀昊,馬旭,李澤華,鄧向武,李宏偉.  中國農(nóng)機化學報. 2019(07)
[5]基于Faster RCNN的間作類農(nóng)田無人機噴霧方法研究[J]. 王宜全,吳揚東,祁兵.  中國農(nóng)機化學報. 2019(06)
[6]基于圖像處理的小麥白粉病病斑生長模型構建[J]. 刁智華,袁萬賓,羅雅雯,毋媛媛.  中國農(nóng)機化學報. 2019(06)
[7]福建海參產(chǎn)業(yè)發(fā)展形勢分析[J]. 胡榮炊,蔡珠金,周宸,林崗,林琪,劉燕飛,林位瑯.  中國水產(chǎn). 2019(01)
[8]基于全卷積神經(jīng)網(wǎng)絡的云杉圖像分割算法[J]. 陳鋒軍,王成翰,顧夢夢,趙燕東.  農(nóng)業(yè)機械學報. 2018(12)
[9]基于Sobel改進算子的海參圖像識別研究[J]. 崔尚,段志威,李國平,張航.  電腦知識與技術. 2018(22)
[10]CLAHE算法在不同彩色空間中的圖像增強效果評估[J]. 劉黎明.  艦船電子對抗. 2016(06)

博士論文
[1]基于水下機器視覺的海參實時識別研究[D]. 喬曦.中國農(nóng)業(yè)大學 2017

碩士論文
[1]海參自動捕撈中的目標跟蹤技術研究[D]. 彭丹妮.大連工業(yè)大學 2017
[2]海參捕撈機器人技術研究[D]. 皮志鋒.哈爾濱工程大學 2017



本文編號：3579905