基于機器視覺技術(shù)淡水魚品種在線識別裝置設(shè)計

萬 鵬 潘海兵 龍長江 陳 紅

（1.華中農(nóng)業(yè)大學(xué)工學(xué)院，湖北 武漢 430070；2.國家大宗淡水魚加工技術(shù)研發(fā)分中心（武漢），湖北 武漢 430070）

中國是淡水魚養(yǎng)殖生產(chǎn)大國，年產(chǎn)量占世界總產(chǎn)量的70%以上。由于中國淡水魚加工工業(yè)發(fā)展滯后，淡水魚以鮮活銷售為主，在集中上市季節(jié)，容易造成“壓塘”和“賣魚難”的現(xiàn)象，挫傷生產(chǎn)者的積極性。因此開發(fā)淡水魚深加工裝備，對于促進中國淡水魚養(yǎng)殖生產(chǎn)的發(fā)展和增加生產(chǎn)者的收入都具有重要意義［1］。

中國養(yǎng)殖的淡水魚品種繁多，魚體形狀大小不一，在對淡水魚進行“三去”等加工處理之前，對淡水魚進行的品種分類、大小分級等操作均由手工操作完成，勞動強度大，生產(chǎn)效率低［2］。機器視覺技術(shù)是近20年發(fā)展起來的一種新興檢測技術(shù)，在農(nóng)產(chǎn)品的大小分級、形態(tài)檢測、顏色識別等方面應(yīng)用比較廣泛［3－5］，但在水產(chǎn)養(yǎng)殖生產(chǎn)方面的應(yīng)用研究起步較晚，不過國內(nèi)外學(xué)者也進行了一定的研究。Frank Storbeck等［6］建立了基于機器視覺和神經(jīng)網(wǎng)絡(luò)技術(shù)的魚體品種識別系統(tǒng)，通過攝像頭采集魚體圖片，獲取魚體不同位置的寬度和厚度作為輸入量構(gòu)建神經(jīng)網(wǎng)絡(luò)對魚體品種進行識別，準(zhǔn)確率在95%以上。White等［7］研制了魚體品種識別設(shè)備，并在挪威的捕魚船上進行試用，設(shè)備運用平面輸送帶輸送魚體，通過攝像頭獲取魚體圖片，以魚體表面顏色和魚體形狀作為特征參數(shù)對魚體品種進行識別，測試結(jié)果表明該系統(tǒng)對魚體長度的測量誤差小于1cm，對7 種魚體識別準(zhǔn)確率可以達99.8%。張志強等［8］研究了基于機器視覺技術(shù)的淡水魚質(zhì)量分級方法，利用機器視覺技術(shù)獲取淡水魚樣本圖像，提取魚體特征值，建立魚頭、魚腹和魚尾長度與魚體質(zhì)量之間的關(guān)系，構(gòu)建回歸模型對魚體重量進行預(yù)測。將機器視覺技術(shù)應(yīng)用于魚體分級、重量檢測等操作既能提高生產(chǎn)效率，同時也能降低勞動強度。

目前，基于機器視覺技術(shù)的淡水魚魚體前處理機械并不多見。本試驗以鯉魚、鯽魚、草魚、鳊魚4種大宗淡水魚作為對象，研制一種淡水魚品種在線識別裝置，并搭建基于機器視覺技術(shù)的輸送檢測平臺，設(shè)計圖像處理算法和魚體品種識別軟件，實現(xiàn)淡水魚品種的快速、準(zhǔn)確在線識別。

1 試驗材料與主要設(shè)備

1.1 試驗材料

淡水魚樣本為鯽魚、鯉魚、鳊魚、鰱魚，各10 條，重量范圍為400～1 000g，采購地點為華中農(nóng)業(yè)大學(xué)集貿(mào)市場。

1.2 主要設(shè)備

減速變頻電機：Y2－712－4 型三相異步電機，額定電壓380V，輸送功率0.37kW，浙江銀達機電有限公司；

變頻器：VFG－M－0.4T2－1A 型，輸送功率0.4kW，電流2.5A，變頻范圍0.1～400Hz，臺達電子自動化（上海）有限公司；

CCD 彩色模擬攝像頭：CS5260BDP 型，東芝泰力株式會社；

圖像采集卡：CronosPlus，加拿大Matrox公司；

漫反射式光電傳感器：E3JK－5L 型，上海博繼電氣有限公司。

2 水魚品種在線識別裝置設(shè)計

基于機器視覺技術(shù)的淡水魚品種在線識別裝置由魚體輸送裝置、圖像采集裝置兩部分構(gòu)成。

2.1 淡水魚魚體輸送裝置設(shè)計

淡水魚魚體輸送裝置的主體是具有連續(xù)輸送功能的帶式輸送機，由支架及側(cè)板、輸送帶、驅(qū)動輥筒、從動輥筒、張緊裝置、減速變頻電機、變頻控制器等部分組成。其中支架及側(cè)板分別采用不銹鋼方管和不銹鋼板焊接而成；為了滿足魚體檢測的衛(wèi)生要求，以及方便進行魚體種類識別，本試驗采用撓性好、重量輕、吸水性小的淺白色橡膠帶作為輸送帶，輸送帶的工作寬度為260mm；為了防止輸送帶中間部位在工作過程中受重力作用而向下彎曲，在輸送帶的下方采用不銹鋼板代替托輥承托魚體重量；輸送裝置的驅(qū)動輥筒和從動輥筒選用不銹鋼輥，寬度為290mm，直徑為80mm；由于輸送距離較短，張緊裝置直接與從動滾筒連接，安裝在支架上；減速變頻電機直接與驅(qū)動滾筒的軸進行連接，采用變頻器進行控制，通過改變變頻器的工作頻率，可以改變減速變頻電機的轉(zhuǎn)速，使魚體輸送裝置的輸送速度控制在0～2 m／s的范圍內(nèi)。淡水魚品種在線識別裝置結(jié)構(gòu)示意圖見圖1。

2.2 淡水魚圖像采集裝置設(shè)計

圖1 淡水魚品種在線識別裝置Figure 1 The on－line identification device for freshwater fish species

淡水魚圖像采集裝置由攝像頭、圖像采集卡、照明光源箱、光電傳感器、數(shù)據(jù)采集卡、淡水魚品種識別軟件等部分組成。其中攝像頭安放于照明光源箱的上方，可獲取勻速運動物體的清晰圖像；圖像采集卡將采集到的模擬圖像轉(zhuǎn)化為數(shù)字圖像，并實時傳輸?shù)较到y(tǒng)內(nèi)存進行處理或顯示；照明光源箱無底，長、寬、高分別為500，280，400mm，設(shè)置于輸送機的上方，內(nèi)壁噴涂有乳白色油漆，并且安裝有均勻分布的LED光源，為下方輸送帶提供均勻光照，便于圖像采集；淡水魚品種識別軟件基于Windows XP 開發(fā)環(huán)境、以Visual C＋＋6.0為開發(fā)工具進行編寫，主要負責(zé)淡水魚圖像的分析檢測與魚體品種的識別；光電傳感器安裝于照明光源箱前的輸送機兩邊側(cè)板內(nèi)壁，主要用于對輸送帶上的淡水魚魚體產(chǎn)生響應(yīng)，控制攝像頭對淡水魚進行圖像采集，傳感器的引腳與即插即用的外置USB－7831數(shù)據(jù)采集卡的開關(guān)量引腳連接，并將數(shù)據(jù)采集卡通過USB接口與計算機相連。

2.3 淡水魚品種在線識別裝置的工作過程

淡水魚品種在線識別裝置工作時，首先啟動淡水魚輸送裝置和淡水魚圖像采集裝置，并使光電開關(guān)系統(tǒng)處于工作狀態(tài)；將淡水魚放置于輸送帶上隨輸送帶一起運動，當(dāng)?shù)~魚體通過光電傳感器時，傳感器產(chǎn)生響應(yīng)，通過數(shù)據(jù)采集卡、淡水魚品種識別軟件和圖像采集卡觸發(fā)攝像頭工作，獲取淡水魚魚體圖像，并將魚體圖像傳遞給淡水魚品種識別軟件，對淡水魚進行品種識別。淡水魚品種在線識別裝置工作流程見圖2。

3 淡水魚品種識別軟件設(shè)計

3.1 淡水魚品種識別流程

淡水魚品種識別流程見圖3。

圖2 淡水魚品種在線識別裝置工作流程Figure 2 The work flow of on－line identification device for freshwater fish species

圖3 淡水魚品種識別處理流程Figure 3 The processing flow of on－line identification for freshwater fish species

對淡水魚進行品種識別時，首先利用機器視覺技術(shù)獲取淡水魚魚體圖像；然后采用背景分割、中值濾波、輪廓提取、種子填充、小區(qū)域消除等操作對魚體圖像進行預(yù)處理，獲取魚體二值圖像［9］；根據(jù)魚體二值圖像提取魚體的面積、周長、粗糙度、長度、寬度、長寬比6個外觀形態(tài)特征參數(shù)；再根據(jù)魚體二值圖像從魚體圖像中提取魚體背部及腹部的色調(diào)H、飽和度S、亮度I 3個顏色特征參數(shù)；以魚體的外接矩形面積最小為指標(biāo)對魚體二值圖像進行旋轉(zhuǎn)，使魚體保持水平或垂直狀態(tài)，然后將魚體按長度方向平均分為5段，計算每一段的平均寬度與長度的比值作為魚體比例形態(tài)特征參數(shù)；最后，根據(jù)提取的魚體特征參數(shù)建立BP神經(jīng)網(wǎng)絡(luò)模型［10］和線性回歸模型對魚體品種進行識別。

3.2 淡水魚品種識別程序及功能模塊

淡水魚品種識別程序是淡水魚品種在線識別系統(tǒng)的核心，本程序基于Visual C＋＋6.0 軟件平臺自主設(shè)計開發(fā)。程序主要由圖像采集控制模塊、圖像處理模塊、魚體特征參數(shù)提取模塊、淡水魚品種識別模塊、淡水魚品種特征庫5個功能模塊組成，整體結(jié)構(gòu)見圖4。

圖4 淡水魚品種識別程序結(jié)構(gòu)Figure 4 The structure of the identification program for freshwater fish species

圖像采集控制模塊主要用于接收光電開關(guān)觸發(fā)信號并控制攝像頭的延時采集動作，完成淡水魚魚體圖像的采集和存儲；圖像處理模塊主要對獲取的淡水魚魚體圖像進行分析處理，獲取魚體的特征圖像，便于提取魚體的特征參數(shù)；魚體特征參數(shù)提取模塊根據(jù)魚體的特征圖像，提取11個魚體形態(tài)特征參數(shù)和6個顏色特征參數(shù)用于淡水魚品種識別；淡水魚品種識別模塊主要是根據(jù)魚體形態(tài)特征參數(shù)及顏色特征參數(shù)構(gòu)建線性回歸和BP神經(jīng)網(wǎng)絡(luò)模型對淡水魚品種進行識別；淡水魚品種特征庫用于存儲常見的鯽魚、鯉魚、鳊魚、鰱魚的魚體樣本特征參數(shù)數(shù)據(jù)，用于訓(xùn)練構(gòu)建淡水魚品種識別模型。

3.3 淡水魚品種識別軟件界面

淡水魚品種識別軟件基于Visual C＋＋6.0 單文檔設(shè)計，界面結(jié)構(gòu)合理，菜單欄、工具欄層次分明，簡單易懂，導(dǎo)向性強（見圖5）。按照淡水魚品種識別程序設(shè)計的5個功能模塊，在軟件菜單欄中共設(shè)置有6個菜單及子菜單完成系統(tǒng)功能。點擊圖像采集菜單及其子菜單，可調(diào)整觸發(fā)控制及延時控制，并進行圖像的采集和保存；點擊圖像處理菜單及其子菜單可分步完成圖像的預(yù)處理操作，并將圖像處理結(jié)果分布進行顯示；點擊特征提取菜單及其子菜單可完成魚體顏色特征參數(shù)、外觀形態(tài)特征參數(shù)及比例形態(tài)特征參數(shù)的提??；點擊識別算法菜單及其子菜單，可以進行線性回歸模型和BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練及淡水魚品種識別；點擊淡水魚特征庫菜單及其子菜單可以查看4種淡水魚的顏色及形態(tài)特征參數(shù)，也可以完成特征參數(shù)的寫入操作；點擊魚體快速識別菜單可對顯示在程序中的淡水魚魚體圖像進行自動分析及品種識別，實現(xiàn)淡水魚魚體圖像的在線檢測識別。

圖5 淡水魚品種識別軟件界面Figure 5 The interface of the identification program for freshwater fish species

4 淡水魚品種在線識別裝置試驗驗證

4.1 試驗方法

試驗時，首先開啟淡水魚品種在線識別裝置，調(diào)節(jié)變頻器控制輸送帶在一定范圍內(nèi)進行運轉(zhuǎn)，打開照明光源箱內(nèi)的LED 光源，并啟動淡水魚品種識別程序；再將待識別的淡水魚樣本放置于輸送帶上，由輸送帶傳送到照明光源箱，在線識別系統(tǒng)按既定程序?qū)Φ~魚體進行圖像采集、魚體圖像分析處理、特征參數(shù)提取、品種識別等操作，最后將識別結(jié)果以對話框的形式反饋給檢測者。

4.2 試驗結(jié)果分析

利用線性回歸模型和BP神經(jīng)網(wǎng)絡(luò)對淡水魚品種進行識別，其中，線性回歸模型的自變量為17個，即淡水魚的顏色特征參數(shù)和形態(tài)特征參數(shù)。BP 神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)為3層，輸入層有17個神經(jīng)元，輸出層有1個神經(jīng)元，隱含層有35個神經(jīng)元；輸入層到隱含層的傳遞函數(shù)為S型函數(shù)，隱含層到輸出層的傳遞函數(shù)為線性函數(shù)。以正確識別的淡水魚數(shù)目與淡水魚樣本總數(shù)的比值作為識別準(zhǔn)確率；以淡水魚樣本進入照明光源箱后，系統(tǒng)獲取淡水魚圖像到系統(tǒng)顯示識別結(jié)果作為識別時間，則2種識別模型對淡水魚品種進行識別的準(zhǔn)確率以及識別所需時間見表1。

表1 淡水魚品種識別結(jié)果Table 1 The identification results of freshwater fish species

由表1可知，利用線性回歸模型對淡水魚品種進行識別的平均準(zhǔn)確率為82.50%，所需時間為0.99s；利用BP神經(jīng)網(wǎng)絡(luò)對淡水魚品種進行識別的平均準(zhǔn)確率為92.50%，所需識別時間為1.28s。這是因為BP神經(jīng)網(wǎng)絡(luò)相對于線性回歸模型，具有較好的容錯能力和適應(yīng)能力，適用于處理分類特征復(fù)雜的問題，因此對4種淡水魚進行品種識別時，BP神經(jīng)網(wǎng)絡(luò)具有更高的準(zhǔn)確率；但是，由于魚體圖像的獲取及分析處理、魚體特征參數(shù)提取等所需時間基本相同，而對魚體品種進行識別時，BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)較線性回歸模型復(fù)雜，根據(jù)魚體特征參數(shù)進行品種識別時所需時間更多，因此識別所需時間較長；此外，由于600g以下的淡水魚樣本，鯽魚和鯉魚形體較為相似，識別過程中容易產(chǎn)生錯誤的判別，而鳊魚和鰱魚形體差別較大、特征明顯，在識別過程中具有較高的準(zhǔn)確率。識別準(zhǔn)確率和識別時間總是存在矛盾，在滿足檢測需要的準(zhǔn)確率和識別時間的前提下，本試驗選擇BP神經(jīng)網(wǎng)絡(luò)作為識別模型對淡水魚品種進行在線識別。

5 結(jié)論

本試驗研制基于機器視覺技術(shù)的淡水魚品種在線識別裝置，裝置由魚體輸送、圖像采集處理及品種識別三部分構(gòu)成，可實現(xiàn)對淡水魚品種的在線識別。經(jīng)試驗驗證，以BP神經(jīng)網(wǎng)絡(luò)作為識別模型，該系統(tǒng)對4種常見的大宗淡水魚品種識別的準(zhǔn)確率為92.50%，所需時間為1.28s。該裝置具有硬件部分結(jié)構(gòu)簡單、操作方便，識別部分功能齊全、界面友好、易于操作的特點。

1 戴新明，熊善伯.湖北省淡水魚加工與綜合利用［J］.漁業(yè)現(xiàn)代化，2004（2）：42～43.

2 李玲，宗力，王玖玖，等.大宗淡水魚加工前處理技術(shù)和裝備的研究現(xiàn)狀及方向［J］.漁業(yè)現(xiàn)代化，2010，37（5）：43～46，71.

3 林開顏，吳軍輝，徐立鴻.基于計算機視覺技術(shù)的水果形狀分級方法［J］.農(nóng)業(yè)機械學(xué)報，2005，36（6）：71～74.

4 陳全勝，趙杰文，張海東，等.利用計算機視覺識別茶葉的色澤類型［J］.江蘇大學(xué)學(xué)報，2005，26（6）：461～464.

5 李偉，康晴晴，張俊雄.基于機器視覺的蘋果表面紋理檢測方法［J］.吉林大學(xué)學(xué)報（工學(xué)版），2008，38（5）：1 111～1 117.

6 Frank Storbeck，Berent Daan.Fish species recognition using computer vision and a neural network［J］.Fisheries Research，2001（51）：11～15.

7 White D J，Svellingen C，Strachan N J C.Automated measurement of species and length of fish by computer vision［J］.Fisheries Research，2006（80）：203～210.

8 張志強，牛智有，趙思明.基于機器視覺技術(shù)的淡水魚質(zhì)量分級［J］.農(nóng)業(yè)工程學(xué)報，2011，27（2）：350～354.

9 何斌.Visual C＋＋數(shù)字圖像處理［M］.北京：人民郵電出版社，2002.

10 王赟松，許洪國.快速收斂的BP神經(jīng)網(wǎng)絡(luò)算法［J］.吉林大學(xué)學(xué)報（工學(xué)版），2003，33（4）：79～84.