唐 潮, 胡海刚*, 史 策, 钱云霞

基于改进Mask RCNN和SVR的无接触梭子蟹体质量预测研究

唐 潮1, 胡海刚1*, 史 策2, 钱云霞2

（1.宁波大学 海运学院, 浙江 宁波 315832; 2.宁波大学海洋学院, 浙江 宁波 315832）

提出了一个改进Mask RCNN目标检测算法用以对养殖梭子蟹进行视觉特征测量. 通过在养殖区域采集梭子蟹图像, 用上位机识别梭子蟹旋转角度以及甲长和甲宽方向, 对输出的Mask进行模板修补, 提高模板内区域的置信度. 通过图像-实景对应关系换算梭子蟹的真实尺寸, 并估算其投影面积、甲宽与甲长, 结果准确率高于85%. 同时, 对视觉算法得到的梭子蟹尺寸特征与其体质量进行拟合, 引入-means聚类, 实现双模型支持向量回归机(SVR)预测结构. 通过差分进化算法对SVR适应度函数进行寻优, 设计了随迭代次数、寻优效果同步变化的缩放因子, 以及适者更易生存策略的交叉概率因子, 以验证改进算法的寻优能力. 测试时, 对新传入的数据首先进行归一化处理, 然后判断所归属的聚类中心, 再传至相应的SVR模型进行预测. 测试结果相对误差小于18%.

梭子蟹; 视觉特征; 体质量; Mask RCNN; 无接触测量

在梭子蟹工厂化循环水养殖过程中, 工作人员需要定期检测其尺寸、形状, 观察其颜色等特征, 为饵量、用药、分级等提供依据[1]. 目前养殖蟹主要通过人工肉眼判断, 手工接触或使用简单工具进行测量, 不仅效率低还容易导致蟹感染疾病, 甚至死亡[2]. 通过计算机视觉技术, 在养殖环境下实现对水生生物特征进行无损检测……