人工智能在大宗淡水鱼精细分割与品质预测中的应用研究进展.pdfVIP

大宗淡水鱼栏目编辑魏友海

李晴，洪惠，谭雨青，罗永康

(中国农业大学，北京100082)

我国淡水鱼养殖业发展迅速并展现出显著优市场和企业调研，提出草鱼鱼体分割方案，将草

势，但淡水鱼加工业起步较晚，产品的精深加工鱼分为4部分：背部、腹部、腩部和尾部。为适应

程度不足，加工设备自动化水平不高，技术更新鱼加工自动化趋势，大宗淡水鱼质量安全与营养

相对缓慢。此外，淡水鱼由于营养丰富、水分活品质评价岗团队进一步通过计算机视觉和图像识

度高和pH近中性，在冷藏过程中极易腐败，限制别技术对草鱼鱼体进行识别和分割。收集草鱼图

了淡水鱼加工产品的冷链贮运和销售。这一现状像后，提出草鱼分割方案的确定识别位点，并使

一定程度制约了淡水鱼资源的高效利用，迫切需用Labelme进行识别位点的标注。使用YOLOv8和

要通过技术革新和产业升级，提升淡水鱼资源的MMDetection两种模型进行位点识别，并进行模型

利用水平。的评估和参数优化。结果显示，YOLOv8和MMDe-

图像识别技术有助于精确定位并科学规划淡tection模型在草鱼分割位点的识别过程中展现出

水鱼的分割路径，优化加工流程并提升产品价了极高的精确度，YOLOv8在边界框检测的精确率

值。基于深度学习算法的新鲜度预测模型，可以为99.5%，而MMDetection在关键点的检测准确率

有效监测产品质量，保证产品的品质。利用图像达到了99.7%，表明草鱼的分割方案可以通过图像

识别技术完成淡水鱼的分割方案设计，并构建新识别技术实现，从而为草鱼分割工业自动化的实

鲜度预测模型进行产品质量检测，有利于提升整现奠定基础。

个淡水鱼加工生产过程的高效管理和质量控制技二、鳙的图像识别与分割技术

术水平，对提升整个淡水鱼产业的竞争力具有重与草鱼分割相似，团队也运用计算机视觉和

要意义。图像识别技术对鳙进行了识别和分割，验证了其

大宗淡水鱼质量安全与营养品质评价岗聚焦工业自动化的可行性。首先收集大量鳙的图像，

于图像识别技术在淡水鱼精准分割中的应用，以包括鱼体目标与背景，然后利用RGB阈值法对这些

及机器学习和深度学习模型在分割产品新鲜度预图像进行二值化处理，实现鱼体与背景的分割，

测方面的效能，采用YOLOv8和MMDetection模型并获得背景分割图像；进一步通过识别背景分割

实现了对草鱼图像分割位点的高效且准确的识别图像的边缘轮廓，获取最小外接矩形；依据最小

和定位，输出草鱼分割方案。同时，结合机器视外接矩形的边缘轮廓坐标、长轴和短轴及预设的

觉、形态特征参数和阈值算法，有效进行了鳙图鳙外部形态参数(如鱼头与体长比、鱼尾与体长

像的识别和分割，构建了基于支持向量回归及深比、鱼背与鱼腹宽度比)，确定鱼头、鱼尾以及鱼

度学习网络(如长、短期记忆网络)的不同贮藏条背和鱼腹的分割线，完成图像分割，并输出分割

件下的淡水鱼分割产品新鲜度预测模型。人工智图像。鳙被有效分割为头部、背部、腹部和尾

能技术的应用有助于提高淡水鱼加工自动化水平部。进一步分析显示，鳙各部分对总体重的贡献

以及不同贮藏条件下产品品质监测的准确性和效率分别为36%、12.8%、17.6%和11.9%，眼部肌肉

率，为淡水鱼加工和品质控制领域提供了创新视含有较高的脂质，背部肌肉的蛋白质水平最高。

角和解决方案。这些发现表明鳙的分割方案是可行的，并可以通

一、草鱼的图像识别与分割技术过图像识别技术实现，为淡水鱼资源的科学利用

大宗淡水鱼质量安全与营养品质评价岗通过提供了可靠的技术支持。

基金项目：现代农业产业技术体系专项(CARS-45)；国家重点研发计划项目(2022YFD2100901)通信作者：罗永康

242024.8