基于計(jì)算機(jī)視覺(jué)的魚(yú)群攝食行為分析研究.pdf

1、中國(guó)是世界第一水產(chǎn)養(yǎng)殖大國(guó)，在目前的漁業(yè)養(yǎng)殖業(yè)中，養(yǎng)殖密度越來(lái)越大，而魚(yú)類(lèi)的投餌又是養(yǎng)殖魚(yú)類(lèi)的關(guān)鍵。傳統(tǒng)的魚(yú)類(lèi)投喂方式主要是依靠人工進(jìn)行投喂，這種方式容易造成魚(yú)類(lèi)的投喂過(guò)量或者是投喂不足，這樣不僅會(huì)降低魚(yú)類(lèi)養(yǎng)殖當(dāng)中的經(jīng)濟(jì)效益，而且當(dāng)投餌過(guò)量時(shí)，魚(yú)類(lèi)的殘余餌料還會(huì)對(duì)養(yǎng)殖水體造成水質(zhì)惡化的情況，進(jìn)而影響?hù)~(yú)類(lèi)福利。因此傳統(tǒng)的魚(yú)類(lèi)養(yǎng)殖方式已經(jīng)遠(yuǎn)遠(yuǎn)不能滿(mǎn)足現(xiàn)代集約化養(yǎng)殖管理的需求，因此迫切需要一種新的無(wú)損的投喂控制方式。本文目的在于探索魚(yú)群的攝食

2、行為，提升魚(yú)類(lèi)的養(yǎng)殖效率，增加魚(yú)群餌料的利用率。
　　本研究主要內(nèi)容包括：⑴采集魚(yú)群正常游動(dòng)狀態(tài)和攝食狀態(tài)的圖片，利用灰度差分統(tǒng)計(jì)法、灰度共生矩陣法和基于高斯-馬爾科夫隨機(jī)場(chǎng)模型的方法提取了魚(yú)群的13個(gè)紋理特征，并且使用主成分分析法（PCA）算法對(duì)提取出的魚(yú)群紋理信息進(jìn)行降維，基于以上特征信息利用支持向量機(jī)（SVM）算法實(shí)現(xiàn)了對(duì)魚(yú)群攝食狀態(tài)和非攝食狀態(tài)的分類(lèi)識(shí)別；⑵對(duì)魚(yú)群的攝食圖片進(jìn)行處理，利用背景建模法得到魚(yú)群的背景圖片，提取出

3、前景目標(biāo)魚(yú)群，并通過(guò)灰度共生矩陣提取魚(yú)群的紋理特征進(jìn)行分析對(duì)比，實(shí)現(xiàn)了魚(yú)群的攝食活動(dòng)強(qiáng)度（feeding activity index, FAI）的評(píng)估，并與傳統(tǒng)的方法面積法進(jìn)行比較，由灰度共生矩陣的對(duì)比度來(lái)表征魚(yú)群的攝食活動(dòng)強(qiáng)度與面積法來(lái)表征的魚(yú)群攝食活動(dòng)強(qiáng)度的相關(guān)性達(dá)到0.8942，說(shuō)明此種方法的可行性；⑶把自適應(yīng)神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)（ANFIS）模型運(yùn)用到魚(yú)群的投喂量上，并對(duì)該模型進(jìn)行了初步的探索，希望在下一個(gè)階段可以把該模型運(yùn)用