一种基于神经网络的扇贝图像识别方法-论文.pdf

《一种基于神经网络的扇贝图像识别方法-论文.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、第29卷第1期大连海洋大学学报V01．29No．12014年2月JOURNALOFDALIANOCEANUNIVERSITYFeb．2014DOI：10．3969／J．1SSN．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杨眉，魏鸿磊，华顺刚(1．大连海洋大学渔业工程技术研究所，辽宁大连116023；2．大连理m；k~-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

2、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8一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~,iJI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：TQ391．41文献标志码：A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

3、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，图是实现扇贝自动分拣的可行方向J。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

4、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。前主要集中在对鱼类的监控领域：张志强等根1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动区域的大小来监测水质；王文静等利用图像关键。实验发现，扇贝图像的RGB特征与石块等处理技术测量图像中鱼的面积，估计鱼质量；徐建干扰物差别不大，其

5、灰度图的像素值与干扰物无明瑜等一在不同浓度氨应激条件下研究了罗非鱼的显差别，但形状有明显差别，因此，本研究中提取行为并建立了不同环境下鱼体色明暗程度量化视觉目标物的轮廓边界，从轮廓边界中提取分类特征。系统；王颖等通过模板匹配实现了对鱼类的识1．1图像边缘的提取别。在其他海洋生物的研究中机器视觉也有较多应用：郭显久等根据形态学的开运算实现了海洋由于RGB图像包含颜色因子，实际提取特征微藻数量的自动统计；马先英等。。利用图像识别过程较为复杂。为减小计算量和存储量，将RGB技术设计了一套海参自动分级与计数系统。机器视图像转换为灰度图像，并采用canny算子提

6、取图像觉在贝类的分析和识别中也有报道，郭常有等中目标物的边缘。应用canny算子提取灰度图像边收稿日期：2013-03-26基金项目：辽宁省博士启动基金资助项目(20071066)；辽宁省教育厅科研项目(L2010072)作者简介：杨眉(1988一)，女，硕士研究生。E-mail：yangmei880320@163．corn通信作者：魏鸿磊(1973一)，男，博士，副教授。E-mail：whl@dlou．edu．(31'172大连海洋大学学报第28卷表1样本的特征值隐含层到输出层的传递函数设为线性函数：Tab．1Featurevaluesofscall

7、opsamplespurelin()=，(5)双曲正切激活函数将范围为(一09，+o。)的输入映射为范围为(一1，+1)的隐含层输出。线性激活函数把输出层的输人直接输出。利用Leven．berg-Marquardt算法对网络进行训练。BP网络学习算法与计算步骤如下：(1)初始化。置所有的加权系数为最小的随机数。(2)提供训练集。给出顺序赋值的输入向量1，2，⋯，Ⅳ和期望的输出向量t1，t2，⋯，t。(3)计算实际输出。计算隐含层、输出层各神经元的输出。(4)按下式计算期望输出与实际输出的误差，即1L=÷∑(一o：)。(6)=1息，并传递给隐层各神经元，

8、经隐层信息处理和变其中：为在样本P输入时输出节点k的目标值；0：换后，传递给输出层输出结果，即