一种基于神经网络的扇贝图像识别方法.PDF

第29卷第1期 大 连 海 洋 大 学 学 报 Vol郾29 No郾1 20 14 年2 月 JOURNAL OF DALIAN OCEAN UNIVERSITY Feb郾 2014 DOI:10.3969/ J.ISSN.2095-1388.2014.01.015 文章编号:2095-1388(2014)01-0070-05 一种基于神经网络的扇贝图像识别方法 1 1 2 杨眉 ,魏鸿磊 , 华顺刚 (1郾 大连海洋大学 渔业工程技术研究所, 辽宁 大连 116023;2郾 大连理工大学 机械工程学院, 辽宁 大连 116024) 摘要:为了满足计算机视觉辅助下应用机器人进行扇贝自动分拣的实时性和鲁棒性要求, 提出了一种基于 神经网络的扇贝识别和分级方法。 首先对图像进行灰度化处理, 并用canny算子检测目标边界, 然后用8- 连通邻域追踪算法提取目标边界像素坐标, 最后计算目标边界到中心点的平均距离及其绝对平均误差, 并 作为特征信息训练BP神经网络, 实现对扇贝图像识别和分类。 实验结果表明, 该方法可以快速实现扇贝 的自动识别和分级工作。 关键词:扇贝识别; 图像处理; 特征提取; BP神经网络 中图分类号: TQ391郾41摇 摇 摇 摇 文献标志码: A 摇 摇 扇贝是一种养殖规模较大的重要经济贝类, 在 应用图像处理技术根据扇贝所占面积的大小实现扇 生产和销售过程中需要按品质进行分选。 目前, 分 贝尺寸的估计和定位, 但该方法较简单, 不适用于 选工作主要由人工完成, 工作环境恶劣、 劳动强度 存在杂物干扰等复杂情况下扇贝的识别、 分级和定 [1] 高、 分选效率低 , 也有部分企业采用滚筒筛结 位。 构的分选设备, 但在分选过程中易造成扇贝因壳体 在目标识别方面, 应用较广泛的是图像的HU [11] 互插而死亡, 损耗量很大。 采用计算机视觉辅助下 不变矩 分类特征, 可以排除物体移动、 旋转和 的机器人自动分拣, 具有损耗小、 效率高的优点, 缩放的干扰, 但图像不变矩特征的计算量较大, 图 [2] 是实现扇贝自动分拣的可行方向 。 基于机器视 像处理速度慢, 影响机器视觉应用的实时性要求。 觉技术可排除杂物干扰, 实现对扇贝的准确分级和 本研究中, 通过对包含复杂背景视频的扇贝图像提 定位, 是采用计算机视觉机器人对扇贝进行分选的 取扇贝平均半径和绝对平均误差为分类特征, 并利 基础。 用神经网络的优良性能对扇贝进行识别和分级。 实 机器视觉技术已广泛应用于水产养殖领域。 目 验证明, 本方法具有计算量小、 精度高的优点。 [3] 前主要集中在对鱼类的监控领域: 张志强等 根 1摇 扇贝分类特征的提取 据图像颜色特征值、 鱼体的各部分比例值和鱼体长 [4] 度等信息可识别4种鱼类; 汤一平等 根据鱼类游 如何提取待识别对象的特征是目标识别问题的