利用機(jī)器視覺(jué)技術(shù)對(duì)魚(yú)群的攝食行為進(jìn)行檢測(cè)識(shí)別,提升水產(chǎn)養(yǎng)殖過(guò)程中的信息化水平,該文提出了一種基于多特征融合的魚(yú)群攝食活動(dòng)行為檢測(cè)識(shí)別方法。試驗(yàn)結(jié)果表明,利用SVM對(duì)魚(yú)群活動(dòng)測(cè)試圖像進(jìn)行識(shí)別的準(zhǔn)確率為98.19%,運(yùn)行耗時(shí)為23.9 s,使用KPCA+SVM對(duì)魚(yú)群活動(dòng)測(cè)試圖像進(jìn)行識(shí)別的準(zhǔn)確率為95.82%,運(yùn)行耗時(shí)為0.93 s,因此該文算法可以實(shí)時(shí)有效地對(duì)魚(yú)群攝食活動(dòng)進(jìn)行檢測(cè)識(shí)別。

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

圖1魚(yú)群活動(dòng)分析試驗(yàn)材料獲取示意圖

該文對(duì)養(yǎng)殖魚(yú)群的活動(dòng)分析是基于自制的圖像數(shù)據(jù)集，該數(shù)據(jù)集總共有1400張圖像，其中魚(yú)群未攝食的自由活動(dòng)狀態(tài)和魚(yú)群攝食中的運(yùn)動(dòng)狀態(tài)圖像分別為700張。具體的采集示意圖以及采集的圖像素材分別如圖1、2所示。圖2魚(yú)群活動(dòng)狀態(tài)圖像

圖2魚(yú)群活動(dòng)狀態(tài)圖像

圖1魚(yú)群活動(dòng)分析試驗(yàn)材料獲取示意圖1.2整體算法流程

圖3整體算法流程圖

由于在拍攝過(guò)程中的燈光分布不均勻而導(dǎo)致魚(yú)群活動(dòng)圖像后續(xù)處理比較困難，因此該文使用同態(tài)濾波對(duì)圖像進(jìn)行濾波處理�；谡彰鳌瓷淠Ｐ退惴ǖ耐瑧B(tài)濾波預(yù)處理可以有效地消除圖像上的光照分布不均勻現(xiàn)象，該算法在增強(qiáng)圖像暗區(qū)細(xì)節(jié)的同時(shí)也不會(huì)損失亮區(qū)的圖像細(xì)節(jié)�；谡彰鳌瓷淠Ｐ偷乃惴〝�(shù)學(xué)表達(dá)式如....

圖4同態(tài)濾波預(yù)處理效果圖

魚(yú)群活動(dòng)圖像經(jīng)過(guò)同態(tài)濾波以后的效果圖如圖4所示。由圖4可以明顯地看出經(jīng)過(guò)同態(tài)濾波后的魚(yú)群活動(dòng)圖像中的光照不均勻的現(xiàn)象明顯得到改善。

本文編號(hào)：3935484