王红君， 时扬扬*， 岳有军, 赵 辉,2

(1.天津理工大学电气电子工程学院， 天津市复杂控制理论与应用重点实验室， 天津 300384； 2.天津农学院工程技术学院， 天津 300392)

随着水产养殖业的快速发展，对水产品加工产生迫切需求。在鱼初级处理加工生产线中，为了保证鱼肉品种的新鲜度，在去除鱼头尾之前，需要先进行去除鱼鳃的操作，其中鱼鳃切口的准确定位甚为关键[1-2]。在早期的鱼鳃加工定位中，通常采用图像处理和统计模式识别方法来定位鲑鱼鳃切割器的位置。Gamage等[3]提出了使用多元回归的参考点估计鱼鳃切割机的参考位置；Jain等[4]提出了一种智能传感器融合技术在鲑鱼机械加工自动化机器中实施；这些方法比较复杂，而且切割点定义不明确；Azarmdel等[5]根据鳟鱼的体形特征提取鳍区域，然后将胸鳍的起点和尾鳍的终点分别作为鳟鱼加工系统的头部和腹部切割点，这种利用鱼体外部轮廓提取特征的方法，容易受到鱼体损伤程度的影响。

随着图像处理和深度学习技术的发展，采用机器视觉技术对淡水鱼特定部位进行识别和定位成为可能。Bondo等[6]在三文鱼的自动化生产线中使用3D摄像机扫描传送带，采用滑动窗口的方法对三维图像进行分割，利用线性判别分析(linear discriminant analysis,LDA)分类器确定头尾区域，沿着鱼的纵向中心脊，以鼻点为起点，使用回归公式定位切口点。在定位切口点的坐标过程中，鱼鳃的定位精度受鱼头标注区域的影响，而且LDA在特征提取的过程中可能出现数据过拟合的现象；……