基于KPCA的多特征融合的支持向量机鱼群摄食行为检测研究

发布时间：2024-03-23 04:48

　　利用机器视觉技术对鱼群的摄食行为进行检测识别,提升水产养殖过程中的信息化水平,该文提出了一种基于多特征融合的鱼群摄食活动行为检测识别方法。试验结果表明,利用SVM对鱼群活动测试图像进行识别的准确率为98.19%,运行耗时为23.9 s,使用KPCA+SVM对鱼群活动测试图像进行识别的准确率为95.82%,运行耗时为0.93 s,因此该文算法可以实时有效地对鱼群摄食活动进行检测识别。

【文章页数】：5 页

【部分图文】：

图1鱼群活动分析试验材料获取示意图

该文对养殖鱼群的活动分析是基于自制的图像数据集，该数据集总共有1400张图像，其中鱼群未摄食的自由活动状态和鱼群摄食中的运动状态图像分别为700张。具体的采集示意图以及采集的图像素材分别如图1、2所示。图2鱼群活动状态图像

图2鱼群活动状态图像

图1鱼群活动分析试验材料获取示意图1.2整体算法流程

图3整体算法流程图

由于在拍摄过程中的灯光分布不均匀而导致鱼群活动图像后续处理比较困难，因此该文使用同态滤波对图像进行滤波处理。基于照明—反射模型算法的同态滤波预处理可以有效地消除图像上的光照分布不均匀现象，该算法在增强图像暗区细节的同时也不会损失亮区的图像细节。基于照明—反射模型的算法数学表达式如....

图4同态滤波预处理效果图

鱼群活动图像经过同态滤波以后的效果图如图4所示。由图4可以明显地看出经过同态滤波后的鱼群活动图像中的光照不均匀的现象明显得到改善。

本文编号：3935484