基于对数相似度约束Otsu的自然场景病害果实图像分割

针对自然场景下,由于复杂背景以及多变环境,水果病害果实图像分割难的问题,提出了一种基于对数相似度约束Otsu和水平集活动轮廓的近椭圆形病害果实图像分割方法。考虑背景的复杂多变,提出对数相似度约束Otsu分割来区分病害果实与背景;由于水平集活动轮廓模型的局部最优性,提出采用自适应膨胀系数的改进距离规则水平集活动轮廓模型来精确演化轮廓。先对病害果实区域样本的颜色进行混合高斯建模,获得整个病害果实图像与样本模型的对数相似度;对对数相似度进行约束Otsu阈值分割以及形态学滤波;采用最小二乘法对滤波后的曲线轮廓进行椭圆拟合,对拟合后的椭圆采用自适应膨胀系数的距离规则水平集活动轮廓演化,得到病害果实完整轮廓。对18个不同场景的病害果实进行分割,平均误判率和漏判率分别为1.77%和1.6%,实验结果表明,该方法可以从复杂自然场景图像中分割出病害果实。     

权重约束AdaBoost鱼眼识别及改进Hough圆变换瞳孔智能测量

针对传统鱼眼瞳孔直径测量方法耗时、耗力,且数据主观性强的问题,该文提出基于权重约束AdaBoost和改进Hough圆变换的鱼眼瞳孔直径智能测量方法。首先,利用工业相机采集实验板上的鱼图像,从正负鱼眼图像样本中训练出基于权重约束AdaBoost算法的鱼眼分类器;然后,采用该分类器对试验图像进行检测,将检测到的鱼眼局部图从整体图中分离出来;最后,采用改进的Hough圆变换检测出鱼眼的瞳孔,并计算得到瞳孔直径。对100条金鲳鱼进行试验,鱼眼分类精度达97.1%,瞳孔正确检测率达94.2%,相比改进前分别提升了1.7个百分点和10.5个百分点,与人工测量瞳孔直径值的平均偏差为6.5%,比改进前低了5.9个百分点,总的平均测量时间为324.371 ms,比改进前减少了10.707 ms。试验证明:该文提出的方法能够精确、实时、自动地测量出鱼眼瞳孔的直径,有效避免了传统测量方式的复杂性和测量数据的主观性,可为鱼体生长状况评估、良种选育提供重要参考。     

基于纹理差异度引导的DRLSE病虫害图像精准分割方法

为精准分割纹理背景下的病虫害目标,提出一种基于混合高斯模型的纹理差异度表示方法和基于纹理差异度引导的DRLSE农作物病虫害精准分割方法。采用基于混合高斯模型的纹理差异度表示方法得到纹理差异度图像,利用Otsu自动阈值分割和形态学后处理得到农作物病虫害DRLSE演化的初始区域,将基于改进纹理差异度的边缘停止函数应用到DRLSE演化中。实验结果表明该方法可以获得精准的害虫和病变区域轮廓。     

基于计算机视觉的卵形鲳鲹眼部特征检测方法研究

鱼形态特征检测作为渔业信息化的一个重要课题,有着广泛地应用前景。现有的鱼眼特征检测主要依靠人工,操作复杂、效率低下、结果主观性强。因此提出一种基于图像处理及最小二乘椭圆拟合的鱼眼检测方法,首先在养殖场采集实验鱼例图像,再对鱼眼瞳孔和虹膜区域进行图像预处理,最后分别对鱼眼的瞳孔/虹膜轮廓进行椭圆拟合。实验结果显示,鱼眼瞳孔检测平均耗时325.96 ms,虹膜检测平均耗时364.57 ms,两者检测误差分别为7.247(1±11.82%)mm和12.179(1±14.05%)mm。研究表明,采用该方法不仅可以解决人工测量操作繁琐、主观性强等问题,而且能够避免测量过程耗时过长,为鱼眼的大批量非接触式测量提供了新途径。     

基于图像处理技术的储粮害虫快速识别

为了快速检测、识别出储粮虫害图像中的虫体信息,为虫害的综合防治提供依据,提出了一种基于图像处理技术的害虫检测与识别快速方法,该方法采用图像预处理技术、形态学开重建以及基于改进Hausdorff距离的模板匹配算法.结果表明：该方法不仅可以正确检测、识别出害虫信息,并且在检测与识别效率上基本达到了实时性检测的要求.     

水产养殖中水质与鱼类行为双向映射模型研究

在水产养殖中,水质参数与鱼类活动之间有着密不可分的相互映射关系。过去的监测更多偏向于单向映射,一般都是通过鱼类的行为表明水质的情况。针对仅仅通过鱼类行为反映水质情况会产生误判和滞后的问题,本文构建一种基于随机森林的鱼类行为与水质情况双向映射模型。双向映射模型不仅可以提供更多的信息从而提高预测的准确性,而且也可以通过相互验证提高模型的可靠性。首先,通过引入可变形卷积模块对YOLO v7进行改进,利用改进模型检测出视频中鱼类的位置再通过前后帧的坐标量化出鱼的游动参数。随后,将采集到的鱼类游动参数及对应的水质参数作为输入,使用随机森林模型进行分类、回归,分别完成鱼类游动参数和水质参数具体数值的预测以及指标异常级别的预测,从而得到双向映射关系。为了表明模型的泛化能力,分别在黎安港和新村港渔场2个数据集下进行实验。实验结果表明：提出的方法可以较好地实现鱼类行为与水质关系的双向映射,其中,分类实验平均准确率可以达到90.947%,回归实验决定系数R2的平均值可以达到0.801。     

基于图像处理和线性拟合的鱼体尾柄测量方法研究

水产养殖场内的鱼体尾柄测量在养殖管理中有着重要意义。目前的尾柄测量方法主要依靠人工,操作复杂、效率低,且结果主观性强。研究提出一种基于图像处理和线性拟合的鱼体尾柄测量方法。首先在养殖场通过装置采集图像,通过边缘检测和轮廓提取得到鱼体的外部轮廓,基于鱼的形态特征这一先验知识,提取到尾柄感兴趣区域,最后对尾柄区域进行角点检测和最小二乘直线拟合,得到尾柄线长度。结果显示,该方法平均测量耗时1.01 s,平均测量偏差0.34 mm,测量精度达到95%以上。采用该方法不仅可以解决人工测量操作繁琐、主观性强等问题,而且能够避免测量过程耗时过长,为鱼体尾柄的大批量非接触式测量提供有效新途径。