基于蜂群优化多核支持向量机的淡水鱼种类识别.pdfVIP

第 30 卷 第 16 期 农 业 工 程 学 报 Vol.30 No.16 312 2014 年 8月 Transactions of the Chinese Society of Agricultural Engineering Aug. 2014 基于蜂群优化多核支持向量机的淡水鱼种类识别 吴一全 1,2,3，殷 骏 1，戴一冕 1，袁永明 2 （1. 南京航空航天大学电子信息工程学院，南京 210016； 2. 农业部淡水渔业和种质资源利用重点实验室 中国水产科学研究院淡水渔业研究中心，无锡 214081； 3. 农业部渔业装备与工程技术重点实验室，上海 200092） 摘 要：为了准确地进行淡水鱼种类自动识别，利用计算机视觉技术，提出了一种基于 Krawtchouk 矩、灰度共 生矩阵、蜂群优化多核最小二乘支持向量机（least squares support vector machine，LS-SVM）的识别方法。首先 获取淡水鱼样本的灰度图像，计算淡水鱼鱼体的长宽比、鱼头鱼尾的 Krawtchouk 矩不变量形状特征，求得鱼身 的灰度共生矩阵纹理特征，将上述形状与纹理特征组合成高维特征向量，并输入到多核 LS-SVM，通过人工蜂群 （artificial bee colony，ABC）算法对多核 LS-SVM 中的待定参数进行寻优，ABC 算法中的适应度函数为测试样 本的识别精度；最后输出识别精度达到最高时的最优参数。利用该方法对鳊鱼、鳙鱼、鲫鱼、草鱼、青鱼 5 种淡 水鱼进行了分类识别，对鳊鱼、鳙鱼、鲫鱼、草鱼 4 种鱼识别时，各类鱼的识别精度均达到 95.83%以上，对鳊鱼、 鳙鱼、鲫鱼、青鱼 4 种鱼识别时，各类鱼的识别精度均达到 91.67%以上，对鳊鱼、鳙鱼、鲫鱼、草鱼和青鱼 5 种鱼识别时，各类鱼的识别精度均达到 83.33%以上；与近年来提出的淡水鱼识别方法、BP（back propagation） 神经网络方法、单核 LS-SVM 方法相比，该方??的识别精度更高，从而可快速准确地识别淡水鱼的种类，提高水 产养殖的自动化水平。 关键词：计算机视觉；图像处理；鱼；淡水鱼识别；灰度共生矩阵；最小二乘支持向量机；人工蜂群优化 doi：10.3969/j.issn.1002-6819.2014.16.040 中图分类号：TP391.41 文献标识码：A 文章编号：1002-6819(2014)-16-0312-08 吴一全，殷 骏，戴一冕，等. 基于蜂群优化多核支持向量机的淡水鱼种类识别[J].农业工程学报，2014，30(16)： 312－319. Wu Yiquan, Yin Jun, Dai Yimian, et al. Identification method of freshwater fish species using multi-kernel support vector machine with bee colony optimization[J]. Transactions of the Chinese Society of Agr