基于攝食狀態(tài)圖像識(shí)別技術(shù)的錦鯉產(chǎn)量估算方法研究

馬茵馳，韋 惟，周 超

(1.北京市水產(chǎn)科學(xué)研究所，北京 100068； 2.北京市環(huán)境保護(hù)科學(xué)研究院，北京 100037；3.北京農(nóng)業(yè)智能裝備技術(shù)研究中心，北京 100097)

錦鯉(Cyprinuscarpio)是極具觀賞性的養(yǎng)殖品種，體態(tài)優(yōu)美，色彩斑斕。在池塘養(yǎng)殖過程中，相同魚齡段、規(guī)格相似的錦鯉要集中養(yǎng)殖。同時(shí)，為便于分級(jí)篩選，養(yǎng)殖池塘在一個(gè)生產(chǎn)周期只投放一批數(shù)量確定且規(guī)格基本一致的錦鯉魚苗。隨著養(yǎng)殖進(jìn)程的推進(jìn)，由于健康狀態(tài)的差異及其他不確定因素，同一池塘錦鯉的體型規(guī)格和品相會(huì)產(chǎn)生一定程度的分化。此時(shí)需進(jìn)行人工分選，將不同體型規(guī)格和品相的苗種進(jìn)行篩分，分池養(yǎng)殖或淘汰部分低品質(zhì)苗種。此外，正常養(yǎng)殖過程中也會(huì)出現(xiàn)少量死亡損耗。因此，錦鯉的最終產(chǎn)量(出塘尾數(shù)及平均體質(zhì)量)需要不斷在養(yǎng)殖過程中分階段進(jìn)行估算，以便評(píng)估養(yǎng)殖錦鯉的營(yíng)養(yǎng)、健康狀況，制定合理的飼料投喂方案，以保障養(yǎng)殖錦鯉的品質(zhì)以及生產(chǎn)經(jīng)營(yíng)安全[1]。目前，池塘養(yǎng)殖錦鯉在水下活動(dòng)自由，且養(yǎng)殖水體透明度好壞不一，錦鯉養(yǎng)殖人員很難從水面上觀察到池塘中錦鯉的整體生長(zhǎng)狀態(tài)[2]。通常，每日向池塘投喂飼料時(shí)，錦鯉會(huì)全部集中在投料點(diǎn)浮出水面進(jìn)食。此時(shí)，養(yǎng)殖人員才能整體觀察到錦鯉的生長(zhǎng)狀態(tài)，并對(duì)產(chǎn)量做出大致估算。觀測(cè)數(shù)據(jù)依賴養(yǎng)殖人員的判斷經(jīng)驗(yàn)，準(zhǔn)確性不高，且需要人工記錄和存檔[3]。為了得到更準(zhǔn)確的錦鯉生長(zhǎng)數(shù)據(jù)，有時(shí)還需要人工捕撈樣品魚，進(jìn)行出水手工測(cè)量。這種操作方式費(fèi)時(shí)費(fèi)力，還容易使高價(jià)值的錦鯉受傷，造成經(jīng)濟(jì)損失[4]。

隨著現(xiàn)代信息技術(shù)和圖像處理技術(shù)的進(jìn)步，基于光學(xué)圖像檢測(cè)技術(shù)的產(chǎn)品品質(zhì)無損檢測(cè)方法研究已經(jīng)取得了許多成果，并應(yīng)用于很多行業(yè)[5-10]。養(yǎng)殖到一定規(guī)格的錦鯉，體型呈紡錘形，頭部色彩鮮艷，輪廓分明，當(dāng)頭部浮出水面攝食時(shí)，其頭部圖像與水體背景具有較高的區(qū)分度。在錦鯉集中攝食狀態(tài)下，獲取攝食錦鯉群體的圖像，基本上能夠反映當(dāng)時(shí)養(yǎng)殖階段池塘內(nèi)全部健康錦鯉的數(shù)量和體質(zhì)量規(guī)格，且這些錦鯉的體質(zhì)量規(guī)格也基本接近。因此，通過對(duì)錦鯉攝食狀態(tài)圖像的計(jì)算機(jī)自動(dòng)識(shí)別，提取錦鯉頭口部特征三角形數(shù)量和平均投影面積，使用MATLAB工具分析錦鯉體型、體質(zhì)量數(shù)據(jù)，建立錦鯉頭口部特征三角形投影面積與體質(zhì)量的相關(guān)性分析模型，實(shí)現(xiàn)池塘養(yǎng)殖錦鯉產(chǎn)量的估算，以期有效解決人工觀察和測(cè)量準(zhǔn)確性不高、工作量煩瑣和操作風(fēng)險(xiǎn)等問題。

1 材料和方法

1.1 方案設(shè)計(jì)

設(shè)計(jì)一套系統(tǒng)解決方案(圖1)，包括監(jiān)測(cè)終端硬件系統(tǒng)(圖2)和數(shù)據(jù)建模與分析軟件平臺(tái)：(1)使用高清CCD數(shù)字傳感器獲取錦鯉投喂點(diǎn)水面定時(shí)段實(shí)時(shí)、清晰圖像；(2)使用太陽能持續(xù)供電系統(tǒng)，為視頻采集和轉(zhuǎn)發(fā)提供持續(xù)供電；(3)GPRS遠(yuǎn)程圖像傳輸、存儲(chǔ)、查看系統(tǒng)，實(shí)現(xiàn)養(yǎng)殖人員遠(yuǎn)程查看、數(shù)據(jù)存儲(chǔ)和備份；(4)通過對(duì)攝食錦鯉圖像的計(jì)算機(jī)自動(dòng)識(shí)別技術(shù)，提取錦鯉頭口部特征三角形數(shù)量及其平均投影面積；(5)MATLAB分析錦鯉體型、體質(zhì)量采樣數(shù)據(jù)，建立錦鯉頭口部特征三角形投影面積與體質(zhì)量的相關(guān)性分析模型，實(shí)現(xiàn)池塘養(yǎng)殖錦鯉產(chǎn)量的估算。

1.2 監(jiān)測(cè)終端硬件系統(tǒng)

圖像采集終端采用500萬像素CCD圖像傳感器，集成OV5647感光芯片，視場(chǎng)角75.7°，可以實(shí)現(xiàn)1 080 p高清圖像采集。通過GPRS通訊與服務(wù)器進(jìn)行對(duì)時(shí)，在系統(tǒng)設(shè)定的錦鯉攝食時(shí)間自動(dòng)啟動(dòng)圖像采集控制器。設(shè)計(jì)一個(gè)半球形透明塑料防護(hù)罩，安裝于圖像傳感器鏡頭前，可明顯降低灰塵、水滴等環(huán)境因素對(duì)成像質(zhì)量的影響，同時(shí)也能有效降低鏡頭在安裝和使用過程中磕碰、損壞的風(fēng)險(xiǎn)。

根據(jù)錦鯉養(yǎng)殖場(chǎng)制定的投喂飼料時(shí)間規(guī)定，通過遠(yuǎn)程軟件平臺(tái)配置圖像采集終端參數(shù)，設(shè)定圖像采集工作時(shí)段，非工作時(shí)段圖像采集終端進(jìn)入休眠狀態(tài)，降低功耗和數(shù)據(jù)存儲(chǔ)壓力，有效降低系統(tǒng)使用成本。

設(shè)計(jì)用于固定和架設(shè)圖像采集終端的不銹鋼機(jī)械結(jié)構(gòu)，通過豎直管道與水平管道之間的5個(gè)點(diǎn)位螺栓卡索結(jié)構(gòu)，可實(shí)現(xiàn)圖像采集終端監(jiān)測(cè)高度的5個(gè)檔位調(diào)整，進(jìn)而實(shí)現(xiàn)在不同養(yǎng)殖生產(chǎn)操作時(shí)段，錦鯉養(yǎng)殖池塘水位變化后，圖像采集終端高度可由操作人員手動(dòng)調(diào)整，以保證視場(chǎng)范圍可以覆蓋錦鯉集中攝食的整個(gè)水面區(qū)域。

圖像采集終端設(shè)計(jì)高速M(fèi)icroSD存儲(chǔ)卡插槽，最大支持128 G的存儲(chǔ)空間，可實(shí)現(xiàn)圖像數(shù)據(jù)的快速存儲(chǔ)。存儲(chǔ)空間不足時(shí)，會(huì)報(bào)警提示給遠(yuǎn)程軟件平臺(tái)，根據(jù)需要可導(dǎo)出圖像備份數(shù)據(jù)，否則圖像數(shù)據(jù)進(jìn)行覆蓋存儲(chǔ)。圖像采集終端內(nèi)置GPRS數(shù)據(jù)轉(zhuǎn)發(fā)模塊和天線，配套運(yùn)營(yíng)商SIM卡，可使用GPRS流量數(shù)據(jù)服務(wù)，擺脫高速網(wǎng)絡(luò)接入的束縛，實(shí)現(xiàn)無線、全覆蓋的數(shù)據(jù)通信。由于高清圖像對(duì)高速無線數(shù)據(jù)通信的依賴，考慮到系統(tǒng)的使用成本和應(yīng)用需求，錦鯉攝食時(shí)段每間隔5 s自動(dòng)采集圖像1次，并將其自動(dòng)轉(zhuǎn)發(fā)至遠(yuǎn)程軟件平臺(tái)，軟件平臺(tái)對(duì)一個(gè)攝食時(shí)段的圖像進(jìn)行批量自動(dòng)化處理和分析，將數(shù)據(jù)計(jì)算平均值作為估算結(jié)果反饋給養(yǎng)殖人員。

采用100 W單晶太陽能板、充電控制器和40 Ah鋰電池組成太陽能供電模塊，采用防水盒密封并進(jìn)行保溫處理，以適合在戶外池塘邊長(zhǎng)時(shí)間持續(xù)工作。該模塊足以保障圖像采集終端的數(shù)據(jù)采集、存儲(chǔ)和轉(zhuǎn)發(fā)工作在設(shè)定時(shí)間段內(nèi)持續(xù)、穩(wěn)定進(jìn)行。在系統(tǒng)休眠狀態(tài)下，太陽能蓄電池可持續(xù)儲(chǔ)存電能，保障采集終端定時(shí)與遠(yuǎn)程軟件平臺(tái)數(shù)據(jù)服務(wù)器準(zhǔn)確對(duì)時(shí)以及系統(tǒng)低功耗休眠。無220 V電壓供電的工作模式也在最大程度上保障系統(tǒng)運(yùn)行使用的安全性，擺脫供電電路布設(shè)難題，并降低系統(tǒng)運(yùn)維成本。

1.3 數(shù)據(jù)建模與分析軟件平臺(tái)

1.3.1 特征提取 在飼料集中投喂時(shí)段，錦鯉集中浮出水面攝食，其狀態(tài)大多為頭口部位露出或接近水面，爭(zhēng)搶飼料。此時(shí)，圖像采集終端可快速采集高清的錦鯉攝食狀態(tài)圖像，錦鯉的頭口部位在二維圖像上表現(xiàn)為明顯的彩色半紡錘形結(jié)構(gòu)，這為計(jì)算機(jī)視覺算法的實(shí)現(xiàn)提供了基礎(chǔ)。算法設(shè)計(jì)的底層使用OpenCV開源計(jì)算機(jī)視覺算法庫，具體設(shè)計(jì)方案如下：

(1)將高清數(shù)字圖像轉(zhuǎn)為灰度圖像，首先拾取圖像邊緣水體背景像素的灰度，由于圖像采集過程中，光影會(huì)對(duì)水體背景像素的灰度造成不均勻的影響，為了盡可能減輕這種影響，便于將水體背景從圖像中去除，對(duì)其加入5%隨機(jī)噪聲，作為灰度分割閾值。基于OpenCV提供的THRESHOLD函數(shù)，選擇閾值二值化分割算法，即規(guī)定某個(gè)閾值，當(dāng)像素灰度值大于這個(gè)閾值的時(shí)候?yàn)?55，當(dāng)像素灰度值小于這個(gè)閾值的時(shí)候?yàn)??；叶乳撝捣指钏惴▽⑸术r艷的所有錦鯉頭口部半紡錘形結(jié)構(gòu)從水體背景中提取出來，然后對(duì)結(jié)果圖像進(jìn)行黑白二值化[11-12]。

(2)基于黑白二值圖提取所有輪廓線，輪廓提取采用Canny算法，其組合低閾值和高閾值2幅邊緣圖以生成最優(yōu)的輪廓圖，這種使用雙閾值得到二值圖像的策略稱為磁滯閾值化[13-14]。Canny算法是一種性能優(yōu)異的邊緣檢測(cè)算法，首先要對(duì)原始圖像進(jìn)行灰度化，并對(duì)灰度圖像進(jìn)行高斯濾波，然后用一階偏導(dǎo)的有限差分來計(jì)算梯度的幅值和方向，并對(duì)梯度幅值進(jìn)行非極大值抑制，最后采用雙閾值進(jìn)行檢測(cè)和連接邊緣。Canny算法不容易受噪聲干擾，能夠檢測(cè)到真正的弱邊緣。本研究選擇該算法進(jìn)行輪廓提取可以有效檢測(cè)魚水交界處容易產(chǎn)生弱邊緣的情況。

(3)錦鯉色彩鮮艷，但其眼球在圖像中均呈現(xiàn)明顯的橢圓形黑色特征。算法在實(shí)際設(shè)計(jì)過程中是按照錦鯉魚齡來設(shè)置眼球間距閾值的，試驗(yàn)用魚在1～2齡，眼球間距在1.5～2.0 cm，過小的眼球間距認(rèn)為是2條重疊的魚相近的兩眼，過大的眼球間距認(rèn)為是分屬2條魚。在實(shí)際采集的圖像中，對(duì)于兩側(cè)眼球均能清晰呈現(xiàn)在采集圖像上的錦鯉，基于灰度特征就可以實(shí)現(xiàn)眼球位置的準(zhǔn)確提取。對(duì)于由于瞬時(shí)攝食姿態(tài)原因造成眼球特征未被采集到的情況，此時(shí)該錦鯉至少有一側(cè)的眼球會(huì)被清晰地采集到。同時(shí)，該眼球無法通過眼球間距閾值在已提取出的眼球位置點(diǎn)中找到配對(duì)眼球。缺失的眼球特征只能通過特殊方法進(jìn)行補(bǔ)充。本研究算法中，通過輪廓線跟蹤的方式，首先找到已知眼球最近的輪廓點(diǎn)，按照眼球間距閾值范圍，沿輪廓線搜索，找到與已知眼球位置點(diǎn)距離在此閾值范圍內(nèi)的第1個(gè)輪廓邊緣點(diǎn)，作為缺失眼球的替代位置點(diǎn)。如果輪廓中出現(xiàn)2個(gè)以上的眼球特征，2個(gè)眼球間距在設(shè)定閾值外，則判定此處兩眼分屬2條錦鯉，并進(jìn)行分割標(biāo)記，完成圖像中所有錦鯉的眼球配對(duì)(圖3)。

(4)為消除張開的嘴部對(duì)幾何特征提取的影響，以雙眼之間的頭部輪廓線進(jìn)行逐點(diǎn)跟蹤，計(jì)算每個(gè)輪廓點(diǎn)的輪廓切線斜率變化。設(shè)定變化量閾值，去掉張開的嘴角兩側(cè)斜率陡變的輪廓點(diǎn)及其之間的輪廓點(diǎn)，并重新連線兩斷點(diǎn)以閉合輪廓曲線。

(5)由于錦鯉頭部特征為沿眼球連線中垂線左右對(duì)稱，以每組兩側(cè)眼球及其位置連線中垂線與頭口部輪廓的交點(diǎn)為頂點(diǎn)，組成特征三角形，作為統(tǒng)計(jì)和數(shù)據(jù)建模的幾何參數(shù)(圖4)。

1.3.2 圖形學(xué)統(tǒng)計(jì)和計(jì)算 統(tǒng)計(jì)圖像中所有三角形的個(gè)數(shù)(Nkoi)，該數(shù)據(jù)作為錦鯉尾數(shù)的估算數(shù)據(jù)。在計(jì)算平均三角形面積時(shí)，針對(duì)每個(gè)三角形，設(shè)

(1)

式中：p—特征三角形半周長(zhǎng)(cm)；a、b、c—特征三角形的三條邊長(zhǎng)(cm)。

(2)

式中：S—二維圖像中提取的特征三角形面積(cm2)；p—特征三角形半周長(zhǎng)(cm)；a、b、c—特征三角形的三條邊長(zhǎng)(cm)。

二維圖像中提取的三角形面積與拍攝距離、圖像成像焦距呈比例關(guān)系，即

(3)

式中：Sreal—真實(shí)魚體頭口部特征三角形面積(cm2)；S—二維圖像中提取的特征三角形面積(cm2)；L—拍攝距離(cm)；f—圖像成像焦距(cm)。

在圖像采集終端的L和f值可以根據(jù)水面和現(xiàn)場(chǎng)條件調(diào)整固定為常數(shù)，設(shè)置到遠(yuǎn)程軟件平臺(tái)的估算算法中，由程序自動(dòng)計(jì)算真實(shí)魚體頭口部特征三角形平均面積：

(4)

1.3.3 數(shù)據(jù)分析與建模 錦鯉體型整體為紡錘形，健康生長(zhǎng)的錦鯉，其頭身的比例和體長(zhǎng)體寬的比例都比較規(guī)則。其頭部尺寸規(guī)格與整個(gè)魚體的尺寸規(guī)格以及體質(zhì)量具有良好的相關(guān)性[15-17]。將特征三角形的尺寸作為頭部尺寸的度量標(biāo)準(zhǔn)。1齡以下及體型太小的錦鯉小苗，攝食行為較弱，且眼球特征不明顯，不易被識(shí)別和提取，影響處理效果。試驗(yàn)選取60尾1齡以上紅白、黃金和大正三色等色彩鮮艷的錦鯉品系。這些樣本經(jīng)過1～2次篩選后，體型特征比較規(guī)則，且紋理特征明顯。將稱質(zhì)量后的盛水白色塑料水槽置于電子秤上，將樣本錦鯉逐尾置于水槽中，讀取質(zhì)量數(shù)據(jù)，電子秤稱量精度為0.1 g，減掉盛水塑料水槽質(zhì)量后，得到樣本錦鯉實(shí)際體質(zhì)量[18]。在水槽口邊沿粘貼一條毫米刻度的軟皮尺，并使用數(shù)碼相機(jī)拍攝每條錦鯉和皮尺刻度在一張圖像上的頂視圖正射照片，在圖像上自動(dòng)提取特征三角形邊長(zhǎng)，并根據(jù)皮尺1 cm刻度在圖像上的長(zhǎng)度作為參考[19]，計(jì)算特征三角形邊長(zhǎng)的實(shí)際值，并計(jì)算每條錦鯉特征三角形的面積數(shù)據(jù)。將60尾錦鯉特征三角形面積數(shù)據(jù)和體質(zhì)量數(shù)據(jù)的采樣結(jié)果進(jìn)行MATLAB相關(guān)性分析，建立錦鯉平均體質(zhì)量的估算分析模型(圖5)。

通過對(duì)比MATLAB對(duì)2項(xiàng)數(shù)據(jù)進(jìn)行相關(guān)性分析的結(jié)果，指數(shù)擬合模型的決定系數(shù)R2達(dá)到0.965 1，說明2項(xiàng)數(shù)據(jù)通過該模型反映的相關(guān)性較好，因此，選擇該模型作為錦鯉平均體質(zhì)量的估算分析模型。

(5)

式中：Wtest—實(shí)測(cè)體質(zhì)量(g)；Stest—實(shí)測(cè)特征三角形面積(cm2)。

對(duì)同一項(xiàng)數(shù)據(jù)(平均體質(zhì)量或者數(shù)量)計(jì)算實(shí)測(cè)值與估算值之間差值的絕對(duì)值，并計(jì)算此絕對(duì)值與該項(xiàng)數(shù)據(jù)實(shí)測(cè)值的比值，作為評(píng)價(jià)該項(xiàng)數(shù)據(jù)估算誤差的量化指標(biāo)：

(6)

式中：f—估算誤差；ρ1—估算值(平均體質(zhì)量或者數(shù)量)；ρ2—實(shí)測(cè)值(平均體質(zhì)量或者數(shù)量)。

2 結(jié)果與分析

2.1 試驗(yàn)結(jié)果

選擇3個(gè)錦鯉養(yǎng)殖池塘，使用經(jīng)過2次篩選后1齡以上的商品魚，其中，1#池塘為57尾紅白錦鯉，2#池塘為39尾黃金錦鯉，3#池塘為37尾大正三色錦鯉。分別在2個(gè)投喂飼料時(shí)段(10:00和15:00)進(jìn)行攝食圖像采集。每次采集的圖像傳送到遠(yuǎn)程軟件平臺(tái)，篩選若干效果較好的數(shù)字高清圖像進(jìn)行處理和分析，得到每個(gè)池塘錦鯉數(shù)量和平均體質(zhì)量的估算結(jié)果。同步進(jìn)行人工拉網(wǎng)逐條稱質(zhì)量，記錄每條錦鯉的體質(zhì)量數(shù)據(jù)，并計(jì)算得到每個(gè)池塘養(yǎng)殖錦鯉的平均體質(zhì)量數(shù)據(jù)(表1)。

表1 實(shí)測(cè)結(jié)果與估算結(jié)果的比較Tab.1 Comparison of the measurement result and the estimation result

對(duì)實(shí)際出塘錦鯉的測(cè)量統(tǒng)計(jì)數(shù)據(jù)與估算結(jié)果數(shù)據(jù)進(jìn)行估算誤差f計(jì)算，結(jié)果表明，該方法對(duì)池塘養(yǎng)殖錦鯉數(shù)量的估算誤差小于14%，對(duì)于平均體質(zhì)量的估算誤差小于12%。在日常錦鯉養(yǎng)殖的實(shí)際生產(chǎn)中，可以基本滿足應(yīng)用需求。

2.2 誤差分析

由于錦鯉在集中攝食行為發(fā)生時(shí)，絕大多數(shù)只有頭口部浮出水面，試驗(yàn)在小型錦鯉養(yǎng)殖池塘開展，養(yǎng)殖管理?xiàng)l件較好，養(yǎng)殖密度適中，魚體都較為健康，個(gè)別錦鯉可以清晰地提取到整體背部輪廓，最大限度保證了采集到的圖像數(shù)據(jù)質(zhì)量。最終估算結(jié)果的誤差主要來自以下幾個(gè)方面：

(1)錦鯉頭口部特征三角形與其體質(zhì)量的相關(guān)性分析模型誤差，需要通過更準(zhǔn)確的實(shí)際測(cè)量和更大量的采樣數(shù)據(jù)集來不斷優(yōu)化模型參數(shù)，提升模型精度[20]。

(2)圖像采集數(shù)據(jù)的誤差，包括在一個(gè)采集時(shí)段內(nèi)會(huì)有少量錦鯉的攝食狀態(tài)未被有效采集到，以及由于錦鯉在水面攝食瞬時(shí)姿態(tài)的原因?qū)е聜€(gè)別眼球特征缺失需要算法補(bǔ)充，造成部分錦鯉特征三角形提取的不準(zhǔn)確。對(duì)于圖像中明顯出現(xiàn)的眼球特征，通過提取眼球特征輪廓，并以眼球輪廓的最大內(nèi)切圓圓心作為特征三角形頂點(diǎn)。對(duì)于缺失的眼球特征，設(shè)計(jì)了自動(dòng)補(bǔ)充缺失眼球位置的算法，通過輪廓跟蹤和眼球間距閾值來自動(dòng)化地在錦鯉頭口部輪廓線上找到輪廓點(diǎn)，作為缺失眼球特征中心位置點(diǎn)，并以該點(diǎn)作為特征三角形頂點(diǎn)。用以上2個(gè)頂點(diǎn)連接線的中垂線與頭口部輪廓線的交點(diǎn)作為特征三角形的第3個(gè)頂點(diǎn)。這3個(gè)自動(dòng)化計(jì)算得到的點(diǎn)連線組成特征三角形。在數(shù)據(jù)建模階段對(duì)樣本錦鯉進(jìn)行了人工輔助提取特征三角形操作，人工輔助提取方法不會(huì)出現(xiàn)圖像中眼球缺失的狀況，采用人工在圖像上標(biāo)注特征三角形頂點(diǎn)與操作人的經(jīng)驗(yàn)和常識(shí)有關(guān)。本試驗(yàn)將人工輔助提取特征三角形的方法作為數(shù)據(jù)建模的標(biāo)準(zhǔn)方法，而通過本試驗(yàn)自動(dòng)提取算法建立的特征三角形與標(biāo)準(zhǔn)特征三角形必然存在一定誤差，特別是對(duì)于圖像中存在眼球缺失的錦鯉，需要算法自動(dòng)補(bǔ)充進(jìn)而建立特征三角形的情況，這種誤差會(huì)尤為明顯。通過一個(gè)示例簡(jiǎn)單說明一下雙眼球特征完整和單一眼球缺失2種條件下，特征三角形自動(dòng)提取與人工輔助提取的結(jié)果產(chǎn)生誤差的情況(圖6)。

通過計(jì)算，在這個(gè)示例中，錦鯉雙眼球完整圖像狀態(tài)下提取的特征三角形面積S2與人工輔助提取的特征三角形面積S1的誤差約為3%，相對(duì)標(biāo)準(zhǔn)特征三角形的準(zhǔn)確度較好；錦鯉單一眼球缺失圖像狀態(tài)下，在缺失眼球一側(cè)的輪廓線上自動(dòng)計(jì)算補(bǔ)充的眼球位置定位點(diǎn)與真實(shí)的眼球位置定位點(diǎn)存在一定偏差，這就導(dǎo)致提取的特征三角形發(fā)生變化，特征三角形面積S3與人工輔助提取的特征三角形面積S1的誤差約為7%，相對(duì)標(biāo)準(zhǔn)特征三角形的準(zhǔn)確度下降。這種誤差有一定隨機(jī)性，但總體而言，當(dāng)錦鯉雙眼球特征均完整呈現(xiàn)在圖像中時(shí)，自動(dòng)提取的特征三角形準(zhǔn)確度比較好。

對(duì)于這種誤差，可以通過在一個(gè)采集時(shí)段內(nèi)盡可能多地獲取高質(zhì)量的圖像數(shù)據(jù)，進(jìn)行批量篩選和分析，剔除異常數(shù)據(jù)，并進(jìn)行均值處理，以盡量減小誤差。

(3)錦鯉浮出水面攝食，圖像采集時(shí)刻的成像平面并不絕對(duì)一致，導(dǎo)致拍攝距離參數(shù)并不絕對(duì)統(tǒng)一，使得特征三角形面積計(jì)算產(chǎn)生一定誤差，但該誤差在實(shí)際生產(chǎn)應(yīng)用中影響很小。

(4)在OpenCV計(jì)算機(jī)視覺算法以及數(shù)字圖像的矢量化運(yùn)算過程中也會(huì)產(chǎn)生一定誤差，只能通過算法和軟件數(shù)據(jù)結(jié)構(gòu)的優(yōu)化來降低計(jì)算誤差。

此外，比較2項(xiàng)估算指標(biāo)，平均體質(zhì)量的估算結(jié)果稍好于數(shù)量估算結(jié)果，主要原因在于：首先，在錦鯉攝食狀態(tài)圖像中提取特征三角形平均面積數(shù)據(jù)時(shí)，該數(shù)據(jù)并不會(huì)受到圖像中未被拍攝到的錦鯉數(shù)量的影響，只要保證出現(xiàn)在圖像中的特征三角形能夠被比較準(zhǔn)確地提取出來即可，同時(shí)，連續(xù)多張圖像提取出的特征三角形在算法中被均值處理，進(jìn)一步減小了特征三角形平均面積計(jì)算的誤差；其次，在指數(shù)模型建立時(shí)，大量采樣數(shù)據(jù)的標(biāo)準(zhǔn)化處理和相關(guān)性分析也在一定程度上減小了平均體質(zhì)量估算的誤差，但錦鯉攝食狀態(tài)圖像中未被拍攝到的錦鯉數(shù)量，即使在多張連續(xù)圖像采集狀況下，仍會(huì)對(duì)最終的數(shù)量估算結(jié)果產(chǎn)生直接影響。

3 結(jié)論與討論

本研究針對(duì)錦鯉生理特征及攝食行為的生物學(xué)特性，通過對(duì)采樣試驗(yàn)數(shù)據(jù)開展相關(guān)性分析，建立了錦鯉頭口部幾何特征與體質(zhì)量的指數(shù)擬合模型，模型擬合度較高。同時(shí)，結(jié)合計(jì)算機(jī)視覺和圖像圖形學(xué)方法，自動(dòng)化提取錦鯉攝食狀態(tài)圖像中的幾何特征并進(jìn)行數(shù)學(xué)計(jì)算。設(shè)計(jì)并實(shí)現(xiàn)了一套池塘養(yǎng)殖錦鯉非接觸式的產(chǎn)量估算方法，可以有效解決在傳統(tǒng)錦鯉池塘養(yǎng)殖過程中人工觀察或者采樣測(cè)量帶來的不確定性、操作困難及風(fēng)險(xiǎn)。大量自動(dòng)化采集和存儲(chǔ)的錦鯉攝食狀態(tài)圖像可以為養(yǎng)殖或科研人員提供針對(duì)池塘養(yǎng)殖錦鯉生理、行為特征分析研究的數(shù)據(jù)基礎(chǔ)。該方法較傳統(tǒng)錦鯉產(chǎn)量估算方法更具科學(xué)性、客觀性和準(zhǔn)確性，對(duì)錦鯉池塘養(yǎng)殖行業(yè)的日常工作和管理具有較高的指導(dǎo)意義。本研究設(shè)計(jì)的方法對(duì)于條件較好的錦鯉養(yǎng)殖池塘效果比較理想，但對(duì)于設(shè)施化條件較差、養(yǎng)殖環(huán)境較復(fù)雜的錦鯉養(yǎng)殖池塘，效果會(huì)受到一定影響，今后需要繼續(xù)研究和改進(jìn)。