基于图像处理技术的扇贝尺寸及位置自动识别.PDFVIP

第27卷第6期 大 连 海 洋 大 学 学 报 Vol.27 No.6 2012年12月 JOURNAL OF DALIAN OCEAN UNIVERSITY Dec. 2012 文章编号:2095-1388(2012)06-0578-05 基于图像处理技术的扇贝尺寸及位置自动识别 郭常有, 曹广斌, 韩世成, 蒋树义 (中国水产科学研究院黑龙江水产研究所, 黑龙江 哈尔滨 150070) 摘要:准确识别扇贝的大小和位置是实现扇贝自动化分级操作的首要条件。 本研究中, 应用图像处理技术 对扇贝进行定位和识别, 首先将采集到的扇贝彩色图像转换为灰度图, 并通过阈值分割转变为二值图像, 再通过滤波减少图像噪声, 然后采用改进的OPTA算法和边界追踪算法提取扇贝图像边界, 最后通过计算 扇贝图像边界各点相对距离的最大值识别其尺寸, 通过计算中心点得到位置坐标。 实验结果表明, 将图像 处理技术用于扇贝的自动分类时, 能够有效地完成扇贝的定位和尺寸识别, 且计算量小, 易于实现。 关键词:图像处理; 改进的OPTA算法; 中点法; 扇贝 中图分类号: TP241郾2摇 摇 摇 摇 文献标志码: A 摇 摇 随着中国水产养殖业的快速发展, 贝类养殖已 通过Ostu 自适应阈值算法完成了自然场景下成熟 形成一定规模, 仅辽宁省虾夷扇贝增养殖面积就已 柑橘的识别, 然而由于处理过程较繁琐, 降低了系 达4 万 hm , 年产量 10 余万 t, 产值 15 亿元以 统的处理速度, 实时性较差; 2009 年马先英等2 [7] [1] 上 。 贝类水产品在生产销售过程中, 需要将其 利用图像识别技术设计了一套自动分级与计数系 按大小和品质进行分级, 传统的分拣方法以手工操 统, 通过海参在传送带上投影面积大小实现其等级 作为主, 属于劳动密集型工作, 生产条件恶劣, 劳 分选与计数, 但该系统仅限于对单体海参进行操 [8] 动强度高, 效率低, 易导致贝类新鲜程度下降, 甚 作, 实际应用受限; 2010 年钟取发等 为了定量 至会出现大量死亡的情况, 直接影响经济效益; 而 评估农作物的虫害程度, 提出基于典型叶片模板自 机械分拣当前采用的主要是滚筒式分级设备, 其原 动匹配的叶片虫损面积的测量方法, 但由于模板选 理是通过滚筒的翻滚, 将不同大小的贝类从相应的 取的不确定性以及叶片本身形状的复杂度, 实际应 [2] [9] 筛孔中筛出, 实现分级 , 这种设备极易使贝类 用受到较大限制; 2012 年郭显久等 采用最大类 受到撞击、 震动或因壳体边缘互插而致死。 大连某 间方差法和形态学的开运算对微藻图像进行分割, 渔业集团曾花费巨资从日本引进了一套滚筒式扇贝 实现了海洋微藻数量的自动统计, 但是由于微藻自 分选设备, 但由于损伤率太大而不得不将其闲置。 身的半透明性、 个体重叠以及图像某部分过细导致 水产养殖企业急需一种无损分拣的自动化装 统计结果出现误差。 备, 而视觉伺服控制技术是实现贝类自动化无损分 研究虾夷扇贝的图像处理方法, 是实现其自动