基于機器視覺的魚的分割與辨別

趙慧 劉娜 趙天昊

摘 要：實現(xiàn)環(huán)境資源與經(jīng)濟的可持續(xù)發(fā)展是二十一世紀國際社會面對的共同責任和使命。而水產(chǎn)養(yǎng)殖行業(yè)將會在其進程中扮演重要角色。膳食模式的改變將魚類作為重要的蛋白質(zhì)來源，淡水魚的味道鮮美，口感嫩滑，但是由于淡水魚具有嚴重的易腐性、區(qū)域性和集中性等特點，制約了淡水魚產(chǎn)業(yè)的發(fā)展。因此為了進一步提高淡水魚的經(jīng)濟價值，提高利用效率，需要對打撈上來的淡水魚進行分類加工。目前，在我國淡水的分類需要人工進行，勞動強度大，效率低，因此為了解決這些問題，我們采用機器視覺和圖像處理技術(shù)對淡水魚圖像的顏色和體型特征進行提取，然后識別分類，將不同種類的的淡水魚進行分類加工。

關(guān)鍵詞：淡水魚；圖像處理；品種識別；機器視覺

DOI：10.16640/j.cnki.37-1222/t.2019.07.219

1 研究內(nèi)容

本研究在目前魚類識別技術(shù)研究結(jié)果的基礎(chǔ)上，應(yīng)用最新的圖像處理技術(shù)對常見的四種淡水魚（鰱魚，鳊魚，鯽魚和鯉魚）進行研究，搭建采集淡水魚圖像的計算機視覺實驗平臺。針對魚的特征提取，討論了適用于魚的圖像預(yù)處理算法，為了很好的辨別魚類的健康情況，采用加權(quán)平均法進行魚的灰度化；為了突出魚的特征進行二值化；圖像預(yù)處理是為了特征提取，提取顏色、紋理、形狀、重量等特征對魚類進行更好的辨別。

2 研究方法

2.1 淡水魚圖像顏色特征提取與分析

提取淡水魚圖像的顏色特征是圖像處理的第一步，本研究主要提取紅綠藍三種顏色進行分析識別。因此在淡水魚的顏色分析中，需要對這三種顏色分別進行研究。以下直方圖是本次研究圖像處理的依據(jù)。

2.2 紅色分量

利用數(shù)字處理技術(shù)可以提取每張原始圖像的紅色直方圖，從直方圖中可知每張圖像的紅色分量均值及方差。通過對四種淡水魚圖像中紅色分量均值的提取，可以獲得淡水魚的紅色分量分布情況，如圖1。

通過對不同種類的淡水魚的紅色分量進行統(tǒng)計可得不同種類淡水魚的紅色分量的分布區(qū)間。具體如表1所示。

由上表可知，鯽魚紅色分量之所在區(qū)域為116至134之間，與其它三種魚的紅色分量完全沒有交集，故可以通過紅色分量將鯽魚從淡水魚中識別出來。

2.3 綠色分量

步驟如上：

鯽魚綠色分量值所在區(qū)域為98至108之間，遠小于其它三種的綠色分量值，而鯉魚的綠色分量值所在區(qū)域為130至135之間，與其他三種魚的綠色分量也沒有交集，所以可以通過綠色分量值所在區(qū)域來識別鯉魚。

2.4 藍色分量

步驟如上：

由上表可知，鯽魚藍色分量值所在區(qū)域為96至118之間，與鯉魚之間存在交集，所以這兩種魚無法通過藍色分量區(qū)分。同理，鰱魚與鳊魚也無法通過藍色分量區(qū)分。

2.5 分析總結(jié)

通過以上數(shù)據(jù)與表，可以通過紅色分量區(qū)分鰱魚和鳊魚，通過綠色分量區(qū)分鯽魚，通過藍色分量識別鯽魚和鯉魚，所以用這種方法可以將四種魚有效地區(qū)分開來，達到人們提高效率的目的。

3 前景展望

通過機器視覺技術(shù)自動化分割與辨別魚類，在目前工業(yè)化循環(huán)水養(yǎng)殖中具有一定創(chuàng)新性。但是我們的研究還存在很多的不足。養(yǎng)殖魚類所處的環(huán)境決定了通過機器視覺系統(tǒng)所獲得的信息具有一定的局限性。方法的改進是獲取更多有效信息的手段，例如，采用更加有效的圖像處理方法來降低魚肉在識別中的各種干擾。下一步的研究方向主要是結(jié)合計算機視覺技術(shù)來提出一些新的方法，來提高我們現(xiàn)有方法對于魚肉的自動識別與分割的準確性，并在各種養(yǎng)殖環(huán)境下加以驗證。我國的水產(chǎn)養(yǎng)殖產(chǎn)量高居世界首位，因此自動化方法在行業(yè)的引入將擁有非常好的前景。

參考文獻：

[1]姚潤璐，黃秋桂.基于機器視覺的淡水魚品種識別[J].微型機與應(yīng)用，2017（24）：37-39.

[2]張志強.基于機器視覺的淡水魚品種識別及重量預(yù)測研究[D].華中農(nóng)業(yè)大學，2011.

[3]萬鵬，潘海兵，宗力，陳紅.基于計算機視覺的鯽魚和鯉魚品種識別方法研究[J].廣東農(nóng)業(yè)科學，2012（39）：184-187.

作者簡介：趙慧（1997-），女，山西臨汾人，本科在讀，研究方向：圖像處理。