张 帆 徐建瑜

(宁波大学信息科学与工程学院 浙江 宁波 315211)



基于图像特征与竞争型神经网络的蟹苗密度估计

张 帆 徐建瑜

(宁波大学信息科学与工程学院 浙江 宁波 315211)

蟹苗的密度估计在蟹苗养殖中有着重要的意义。但现有的基于图像处理的密度估计算法不能对蟹苗图像进行准确地密度估计，因此提出一种基于图像特征与竞争型神经网络的蟹苗密度估计算法。首先引入背景建模与噪声处理得到前景图像像素数；然后使用阈值区分高密度图像和低密度图像；最后对阈值上下图像分别采用基于全局特征的密度等级分类算法和基于局部特征的线性回归算法。其中蟹苗图像的密度等级由竞争型神经网络进行划分和判断。实验结果表明正确率可达到93.95%。

蟹苗密度估计 阈值判别 线性回归 竞争型神经网络 纹理特征

0 引 言

随着梭子蟹人工育苗产业的扩大，对蟹苗密度的估计有了广泛需求。在育苗过程中获得蟹苗密度信息对蟹苗的饵料投喂、健康判断和产量预估具有重要意义。作为蟹苗状态的主要表征，蟹苗密度也为育苗过程中养殖环境的判断和蟹苗生长状态分析提供了决策参考。因此，对蟹苗密度进行准确估计具有重要意义。

传统的蟹苗密度估计使用人工观测的方法，对观测人员的经验要求较高，且主观性强，环境干扰因素多。随着计算机视觉和人工智能等领域相关技术的发展，基于图像处理的水下生物密度估计成为智能化水产养殖的研究热点。……