基于机器视觉的点带石斑鱼异常行为识别方法研究

应用机器视觉技术对点带石斑鱼(Epinephelus malabaricus)异常行为进行识别并及时报警有助于提高点带石斑鱼存活率,减少养殖过程中人力损耗。在养殖水体中氨氮、温度、p H等不变的条件下,通过人工调节水体溶氧浓度以获取点带石斑鱼正常与异常状态下的图像,对采集到的图像使用前景提取、二值化、开运算、中值滤波等方法进行处理后,选取正常状态与异常状态下2张图像进行差分运算,以得到2种状态下鱼口面积差图。利用鱼眼形状获取鱼眼中心坐标,由此剪裁出只包含鱼口的目标图像。根据鱼口面积判断鱼口张、闭状态与时长,若鱼口持续张开2 min,视为鱼类出现异常行为并进行报警。利用50条大小相近的点带石斑鱼对实验方法进行验证,结果表明,实验方法能有效识别点带石斑鱼的异常行为。该方法的提出有利于提高水产养殖效益,促进水产养殖现代化发展。     

基于图像识别高浓度氨氮下点带石斑鱼的异常行为

为不同氨氮浓度水质中点带石斑鱼的异常行为判断提供参考,选取体重为160.5克、体长15.5厘米的点带石斑鱼200尾,平均分为4组,每组包含正常组与异常组2个分组,在养殖其他条件不变的情况下,通过人工调节水体氨氮浓度以获取4种不同水质条件点带石斑鱼正常与异常状态下的图像。通过对比发现,点带石斑鱼在高氨氮水体中会出现身体痉挛,导致鱼体弯曲。采集鱼类图像并对获取的原始图像进行分割、二值化、图像细化获取骨骼、中值滤波等预处理后,获取点带石斑鱼的形体曲线,当点带石斑鱼形体曲线出现2个及以上角点时,视为鱼类出现异常行为并进行报警。     

计算机视觉在水产养殖与生产领域的应用

介绍了计算机视觉技术的概念及其基本组成,同时简单介绍了图像预处理的几种常见方法,综述了计算机视觉技术在水产养殖业的几种应用:鱼类对背景色选择习性、鱼类行为监控、鱼类游速监控、鱼类体色变化研究、投饵监控、鱼种辨别、鱼苗计数和鱼体称重等。