基于機(jī)器視覺技術(shù)的血鸚鵡魚外形評(píng)價(jià)研究

齊月，田云臣

基于機(jī)器視覺技術(shù)的血鸚鵡魚外形評(píng)價(jià)研究

齊月，田云臣通信作者

（天津農(nóng)學(xué)院 計(jì)算機(jī)與信息工程學(xué)院，天津 300384）

血鸚鵡魚的外形是分級(jí)的重要因素，分級(jí)結(jié)果決定其市場(chǎng)價(jià)值。目前，血鸚鵡魚分級(jí)主要依靠人工進(jìn)行，主觀性強(qiáng)、效率低。本文介紹了利用機(jī)器視覺技術(shù)對(duì)鸚鵡魚外形評(píng)價(jià)的方法，詳細(xì)闡述了在養(yǎng)殖水體不變的情況下，通過Matlab2017a軟件控制攝像頭完成圖片的采集，并通過二值化、取閾值、去噪聲、尋找邊界等方法對(duì)采集到的圖像進(jìn)行處理的過程，最后介紹了利用metric函數(shù)判斷魚體邊界所圍成的閉合曲線是否趨近于圓形，進(jìn)而完成血鸚鵡魚外形評(píng)價(jià)的方法。試驗(yàn)結(jié)果表明，該方法能自動(dòng)完成血鸚鵡魚的分級(jí)，解決傳統(tǒng)方法存在的效率低、誤差大等問題。

機(jī)器視覺；圖像處理；血鸚鵡魚；外形評(píng)價(jià)

血鸚鵡魚是我國重要的觀賞魚種類，外形評(píng)價(jià)是血鸚鵡魚分級(jí)的重要依據(jù)，而分級(jí)結(jié)果對(duì)市場(chǎng)價(jià)格影響很大。目前在我國，血鸚鵡魚的分級(jí)主要依據(jù)是中華人民共和國國家標(biāo)準(zhǔn)GB/T 30946-2014，通過肉眼觀察魚體體長、體形是否渾圓等確定其分級(jí)，分為AAAA（金剛級(jí)）、AAA（元寶級(jí)）、AA級(jí)、A級(jí)、B級(jí)。這種主要依靠人工分級(jí)的方法，存在效率低、誤差大、主觀性強(qiáng)等缺陷，而利用機(jī)器視覺技術(shù)進(jìn)行血鸚鵡魚外形評(píng)價(jià)則可有效解決上述問題[1-2]。本研究通過機(jī)器視覺技術(shù)模擬人眼的視覺功能，獲取血鸚鵡魚外形圖像，通過對(duì)圖像的處理、分析，判斷血鸚鵡魚外形是否渾圓，自動(dòng)完成血鸚鵡魚外形評(píng)價(jià)進(jìn)而實(shí)現(xiàn)自動(dòng)分級(jí)[3]。

1 試驗(yàn)環(huán)境

選取體長基本相同但體形有差異的3條血鸚鵡魚作為研究對(duì)象。

試驗(yàn)采用的硬件、軟件及水體、水質(zhì)環(huán)境如下。

硬件環(huán)境：計(jì)算機(jī)、USB攝像頭、魚缸、魚體。

軟件環(huán)境：Matlab2017a。

水體環(huán)境：較清澈水體。

水質(zhì)環(huán)境：弱堿性且硬度較低的水質(zhì)，水溫保持在30 ℃左右，且持續(xù)充氧。

2 試驗(yàn)方法

利用USB攝像頭和Matlab2017a軟件采集血鸚鵡魚魚體圖像，對(duì)采集到的圖像進(jìn)行處理、分割后得到目標(biāo)圖像，利用Matlab2017a軟件的metric函數(shù)計(jì)算目標(biāo)圖像的metric函數(shù)值，通過metric函數(shù)值判斷魚體外形是否渾圓，最后完成自動(dòng)分級(jí)評(píng)價(jià)。

2.1 處理流程

處理流程為：圖像采集→讀取圖像→圖像二值化→圖像去噪聲→圖像分割→圖像分析→自動(dòng)分級(jí)。處理流程如圖1所示。

圖1 處理流程圖

2.2 圖像采集

圖像采集方法：將平均體長為6 cm的3條血鸚鵡魚置于貼有藍(lán)色底膜的魚缸內(nèi)作為拍攝對(duì)象[4]，將USB攝像頭置于魚缸外部且平行于魚缸進(jìn)行固定。在Matlab環(huán)境下編寫連拍程序，控制攝像頭進(jìn)行連拍，連續(xù)拍照1 000張后停止。拍攝到的照片以拍攝順序自動(dòng)命名，存入指定文件夾，從中選取3張具有代表性的照片作為原始圖像。3條血鸚鵡魚的原始圖像如圖2所示。

圖2 原始圖像

2.3 圖像處理

在Matlab環(huán)境下，讀取原始圖像，并進(jìn)行二值化、取閾值、去噪聲等處理，分別得到灰度圖和二值化圖，如圖3所示。

圖3 圖像處理

2.4 圖像分割

圖像分割利用Matlab2007a軟件完成。使用Matlab中的[，]＝（，...）函數(shù)語句求出連通分量，利用循環(huán)語句連通每個(gè)連通分量即血鸚鵡魚邊界像素的位置坐標(biāo)并圈出邊界，合圍形成閉合圖形，對(duì)閉合圖形進(jìn)行顏色填充，同時(shí)，為閉合圖形添加白色邊界[5-8]。分割后得到的目標(biāo)圖像如圖4所示。

圖4 目標(biāo)圖像

2.5 圖像分析

metric函數(shù)的計(jì)算公式為＝4×pi×/^2，其中pi為數(shù)學(xué)常量π，為閉合圖形面積，為閉合圖形周長，閉合圖形與圓的近似度可通過計(jì)算其面積與周長平方的比得到。因此，利用Matlab2017a中的metric函數(shù)計(jì)算分割得到的目標(biāo)圖像的metric函數(shù)值，通過metric函數(shù)值度量目標(biāo)圖像與圓的近似程度。計(jì)算得到的metric函數(shù)值越接近1，圖像就越接近圓。如果metric函數(shù)值為1，則說明圖像是1個(gè)標(biāo)準(zhǔn)圓。metric函數(shù)的輸入變量為圖形的面積和圖形邊緣周長，而目標(biāo)圖像的面積和連通區(qū)域的周長均可在Matlab2017a環(huán)境下計(jì)算得出，因此可求得目標(biāo)圖像的metric函數(shù)值，見表1。

表1 目標(biāo)圖像的metric函數(shù)值

2.6 自動(dòng)分級(jí)

Matlab中，當(dāng)圖像的metric函數(shù)值范圍在[0.94，1]時(shí)，默認(rèn)該圖像為標(biāo)準(zhǔn)圓，按照血鸚鵡魚分級(jí)國家標(biāo)準(zhǔn)規(guī)定，此血鸚鵡魚確定為金剛級(jí)。當(dāng)metric函數(shù)值＜0.94時(shí)，則將圖像樣本按照metric函數(shù)值從大到小排列，metric函數(shù)值越大，說明該血鸚鵡魚的外形越好。由表1可知，第2條血鸚鵡魚的外形最好，第1條次之，第3條最差。

3 結(jié)論

應(yīng)用機(jī)器視覺技術(shù)對(duì)血鸚鵡魚的外形體態(tài)進(jìn)行評(píng)價(jià)，實(shí)現(xiàn)了血鸚鵡魚的自動(dòng)分級(jí)，解決了傳統(tǒng)人工分級(jí)方法存在的效率低、誤差大和易受主觀因素影響等問題，提高了血鸚鵡魚分級(jí)的準(zhǔn)確率，降低了人工成本。

[1] 徐愫，邢克智，田云臣. 基于機(jī)器視覺的點(diǎn)帶石斑魚異常行為識(shí)別方法研究[J]. 漁業(yè)現(xiàn)代化，2016，43（1）：18-23.

[2] 徐愫，邢克智，田云臣. 不同光照強(qiáng)度對(duì)點(diǎn)帶石斑魚圖像分割結(jié)果影響的研究[J]. 天津農(nóng)學(xué)院學(xué)報(bào)，2016，23（1）：34-37，50.

[3] 張志強(qiáng)，牛智有，趙思明. 基于機(jī)器視覺技術(shù)的淡水魚品種識(shí)別[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2011，27（11）：388-392.

[4] 李賢，范良忠，劉子毅，等. 基于計(jì)算機(jī)視覺的大菱鲆對(duì)背景色選擇習(xí)性研究[J]. 農(nóng)業(yè)工程學(xué)報(bào)，2012，28（10）：189-193.

[5] 曹晨晨，李光. 基于機(jī)器視覺的圖像形狀特征提取方法研究進(jìn)展[J]. 包裝學(xué)報(bào)，2015（1）：54-60.

[6] 楊仁民，鄭洲，陳斌，等. 基于機(jī)器視覺的零件特征尺寸提取算法[J]. 包裝工程，2017（9）：151-156.

[7] 喬玲玲，毛曉菊. 基于改進(jìn)遺傳算法的圖像邊緣特征提取[J]. 計(jì)算機(jī)與數(shù)字工程，2016（7）：1353-1356.

[8] 謝靜，庹先國，方曉. 基于邊緣幾何不變性的特征提取算法研究[J]. 電子技術(shù)應(yīng)用，2015（3）：161-164.

Research on the shape evaluation of red parrot fish based on machine vision technology

QI Yue, TIAN Yun-chenCorresponding Author

（College of Computer and Information Engineering, Tianjin Agricultural University, Tianjin 300384, China）

The appearance of red parrot fish is an important factor of grading, and the grading results determine its market value. At present, the classification of blood parrot fish mainly relies on artificial, with strong subjectivity and low efficiency. This paper introduced the use of machine vision technology to evaluate the parrot fish appearance by detailed elaboration under the invariable condition of aquaculture water, through Matlab2017a camera image acquisition software control, and through the binarization, threshold, de-noising, finding the boundary, processing the collected image, finally introducing the use of metric function to judge whether the fish boundary of closed curve is tend to be rounded so as to complete blood parrot fish shape evaluation. The experimental results showed that this method can automatically complete the classification of blood parrot fish and solve the problem of low efficiency and large error existing in traditional methods.

machine vision; image processing; red parrot fish; appearance evaluation

S966

A

1008-5394（2019）02-0074-03

10.19640/j.cnki.jtau.2019.02.017

2019－01－10

天津市現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)體系創(chuàng)新團(tuán)隊(duì)建設(shè)專項(xiàng)資金（ITTFRS2017018）

齊月（1994-），女，碩士在讀，主要從事農(nóng)業(yè)信息技術(shù)方面的研究工作。E-mail：1564284755@qq.com。

田云臣（1967-），男，教授，碩士，主要從事農(nóng)業(yè)信息技術(shù)方面的研究工作。E-mail：tianyunchen@tjau.edu.cn。

責(zé)任編輯：張愛婷