基于图像识别的海洋蟹投饵控制研究

摘要

中国的水产养殖品种繁多，海洋蟹(梭子蟹、青蟹)则是重要的品种之一。海洋蟹养殖发展迅速，经历了池塘养殖与网箱养殖，到现在大规模的工厂化单筐养殖，产业不断升级，经济效益不断提高。而投饵是养殖过程中的一个关键环节，国内外研究工作者针对人工投饵成本高、效率低的缺点，设计研发了多种自动投饵设备，但投饵量的设定仍然依靠人工经验判断，无法满足精确投饵要求。因此，本文将工厂化单筐养殖的梭子蟹作为主要研究对象，展开利用图像识别技术与投饵相结合的研究。 海洋蟹摄食量主要与其体重有关，通过计算得到其体重参数能够为投饵量的设定与投饵机的设计提供依据。采用机器视觉与图像识别技术搭建图像采集装置与图像处理平台，获取梭子蟹尺寸特征参数，再将尺寸特征参数通过建立的预测模型对体重进行预测，由此可根据最终预测的体重确定投饵量，反馈至投饵机，控制投饵机投饵。 首先，建立图像采集装置，采用图像识别中的图像分割和图像处理方法对梭子蟹进行测量，利用不同的图像分割方法分别获取梭子蟹整体图像与甲壳图像，通过图像处理对获取的图像作进一步处理，最终提取梭子蟹像素面积参数与甲壳的主要尺寸特征参数，并且根据像素与实际尺寸关系计算所需的投影面积与甲壳尺寸参数，将最终得到的图像测量值与实际值进行比较，且误差在允许范围内。通过实验研究结果表明，本文方法能够实现对梭子蟹投影面积与甲壳尺寸的提取与测量。 其次，根据国内外研究人员研究表明，梭子蟹甲壳尺寸（包括全甲宽、甲长）、投影面积与体重呈正相关性。因此将获取的梭子蟹投影面积、全甲宽、甲长作为主要参数对梭子蟹体重进行预测，采用遗传优化的支持向量机建立起梭子蟹体重回归预测模型，并且将预测结果与BP神经网络模型和传统的SVM模型的预测结果作比较分析。结果表明，遗传优化的支持向量机的预测效果好于后两种模型，能够实现梭子蟹体重的预测。 最后，计算梭子蟹体重对应的投饵量，并且设计了一款体积定量的投饵机及其控制系统。根据实际饵料需求完成料斗的形状设计与材料选型，结合体积定量方法设计了投饵机定量与下料装置，并且完成整个投饵机机械结构的加工制造。制定了投饵控制方案，选择合适的控制器与相关硬件模块实现投饵机运行，通过上位机设计，以实现计算机远程控制投饵。

目录

声明

1 绪论

1.1 选题背景与意义

1.2 国内外研究现状

1.2.1 图像识别与机器视觉的研究现状

1.2.2 投饵设备的国内外研究现状

1.3 本文主要内容

2.1 需求分析

2.2 方案设计

2.3 硬件选择

2.3.1 图像采集装置

2.3.2 远程管理与控制平台

2.3.3 投饵控制器选择

2.4 开发软件选择

2.4.1 图像识别与图像处理软件

2.4.2 梭子蟹体重预测建模软件

2.4.3 控制系统开发软件

2.5 本章小结

3 基于图像识别的海洋蟹外形尺寸提取

3.1 图像采集

3.2 目标分割

3.2.1 高斯混合模型

3.2.2 GrabCut算法

3.2.3 梭子蟹整体目标分割结果

3.3 图像处理

3.3.1 图像灰度化

3.3.2 图像滤波去噪

3.3.3 图像二值化

3.3.4 形态学处理

3.3.5 甲壳分割

3.3.6 面积与长宽参数计算

3.4 试验结果与分析

3.5 本章小结

4 基于遗传-支持向量机的海洋蟹体重预测

4.1 支持向量机

4.1.1 支持向量机基本原理

4.1.2 支持向量机回归

4.2 遗传优化支持向量机

4.2.1 遗传算法介绍

4.2.2 遗传算法运算一般流程

4.2.3 GA优化支持向量机参数

4.3 基于GA-SVM的梭子蟹体重预测模型

4.3.1 模型建立

4.3.2 实证性研究

4.3.3 结果分析比较

4.4 本章小结

5 投饵控制系统设计

5.1 投饵机结构设计

5.2 投饵控制系统方案

5.3 投饵控制系统结构设计

5.3.1 相关硬件选型

5.3.2 电路设计

5.4 远程投饵系统设计

5.4.1 上下位机通讯

5.4.2 上位机界面设计

5.5 本章小结

6.1 本文总结

6.2 研究展望

参考文献

附录A 定量下料装置工作原理

在学研究成果

致谢