基于L-M神经网络优化算法的池塘水色判别系统的初步建立.pdfVIP

19 《油业现代化2010 年第37 卷第5 期 基于 L-M 神经网络优化算法的 池塘水色判别系统的初步建立 王海英1 ，曹晶2 ，谢骏1 ，王广军1 ，胡朝莹l (I中国水产科学研究院珠江水产研究所，广州 510380; 2 广东技术师范学院自动化学院，广州 510630) 摘要:为了将水产养殖水色判别传统技术经验转化为可以量化的数字技术，采用基于 L-M 神经网络优化算 法和计算机倒像处理技术的方法，建立了一个水色判别的水产养殖专家系统。 通过实例预测，该系统判别谈 羡牟 1 1.)品。该系统训练后的神经网络模型，能实现对养殖池榜水质的预测。系统的开发和使用对实现水产 健康养殖、智能控制和计算机管理具有川定实用价值， 关键词:水色图像;阁像特征值;L-M 神级网络优化算法;水质预沸l 中朋分类号:S969. 38 ;TP182 文献标识码:A 文章编号:1∞7 -9580 ( 2010)0弘19{问 对事先采集的广东珠海斗门地区的240 个罗 长期从事梅业生产的从业者通过观察水色变 化及时调控水质，就可以维持养耀水体生态系统 非鱼?也塘水样，请5 位水产专家按照优、良、中 中浮游植物、做生物类、浮游动物等合理的动态平 四个等级进行语言判断分类。同时用数码相机按 衡，且进一步将判断水色优劣的标准简单概括为 照统一要求进行水色采集。施择专家的基本要 肥、活、嫩、爽，这已成为我国池塘养殖的传统 求:具有高级职称，从事水产养殖工作 10 年以上， 技术关键[110 但由于这些些多是根据经输和肉眼 养殖实践经瞌丰富。每个专家的评价独立进行，5 观察进行列断，这就可能存在主观性引起的观攘 位专家评价后边取专家评价最多的一种结果为水 性偏倚，所得到的描述模糊、定性判断的资料使观 质的最终分类结果。 察结果的可比性、可重复性降低，也不易推广应 1. 2 方法 用。当前，地理信息系统(GIS) 巳在晦洋和湖泊 1. 2.1 图像处理和特征提取 对图像进行顿处 等远距离、大尺度戒罔水质评价领域广泛应 理，并进行图像分割，提取出有效的阁像特征值作 用[叫。传感技术、无线通信技术以及计算机阁形 为神经网络模型的输入四子，而输出因子则为对 技术为计算机监控技术在水产养殖业的应用提供 应的水色图片的水质类型。本系统采用了 HSI 更大的空间[4.7] 。此外，在水质在线监测等方面， 颜色空间，它由 3 个分量组成，分别代表色调 H 计算机视觉技术也得到了迅班的发展[8例。本文 (hue) 、饱和度 S ( saturation) 、密度 1 ( intensity )。 基于计算机视觉，以专家经脸为基础，对池塘水色