梁钊董,熊兴国,徐东坡,陆明洲*,沈明霞,张婉平,童奇烈

(1.南京农业大学人工智能学院,江苏 南京 210031;2.中国水产科学研究院淡水渔业研究中心,江苏 无锡 214128;3.杭州市渔政渔港渔船监督管理总站,浙江 杭州 310008)

中国是淡水鱼养殖和消费大国,水产养殖是国民经济收入的重要来源之一,不同品种及大小的淡水鱼具有不同的市场及营养价值[1]。目前,业内对淡水鱼的分级一般以鱼体长、厚及体重为依据,使用滚筒筛、分级槽及组合输送带等方式实现机械分级,该方式会给鱼体带来一定程度的损伤[2]。近年来,研究人员尝试利用机器视觉技术自动测量鱼体尺寸参数,并针对不同种类的淡水鱼建立基于体尺测量值的体重估算模型[3]。淡水鱼种类的准确识别是提升这些模型的鱼体重估算精度的前提,而淡水鱼分类是深加工前的必要工序之一。当前,对淡水鱼分类仍然主要依靠人工作业完成,该方式作业强度大、耗费时间长且分类结果易受主观判断影响。

随着机器视觉技术在农业领域的广泛应用,研究人员开始将机器视觉应用于淡水鱼种类的自动识别。White等[4]提取7种比目鱼图像的形状和颜色特征并构建分类器,实现比目鱼的自动分类,分类精度达到99.8%。Alsmadi等[5]在鱼体图像上手工定位锚点,基于锚点提取刻画鱼体形状特征,构建基于BP神经网络的鱼分类器,识别正确率为84%。Hu等[6]截取淡水鱼图像局部皮肤块并提取其颜色、纹理等特征,利用多分类支持向量机识别6种淡水鱼,识别精度最高的是基于Bior 4.4小波的HSV颜色空间纹理特征,识别率达到96.3%。……