基于機器視覺技術的血鸚鵡魚外形評價研究

齊月，田云臣

基于機器視覺技術的血鸚鵡魚外形評價研究

齊月，田云臣通信作者

（天津農學院 計算機與信息工程學院，天津 300384）

血鸚鵡魚的外形是分級的重要因素，分級結果決定其市場價值。目前，血鸚鵡魚分級主要依靠人工進行，主觀性強、效率低。本文介紹了利用機器視覺技術對鸚鵡魚外形評價的方法，詳細闡述了在養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、尋找邊界等方法對采集到的圖像進行處理的過程，最后介紹了利用metric函數判斷魚體邊界所圍成的閉合曲線是否趨近于圓形，進而完成血鸚鵡魚外形評價的方法。試驗結果表明，該方法能自動完成血鸚鵡魚的分級，解決傳統方法存在的效率低、誤差大等問題。

機器視覺；圖像處理；血鸚鵡魚；外形評價

血鸚鵡魚是我國重要的觀賞魚種類，外形評價是血鸚鵡魚分級的重要依據，而分級結果對市場價格影響很大。目前在我國，血鸚鵡魚的分級主要依據是中華人民共和國國家標準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，分為AAAA（金剛級）、AAA（元寶級）、AA級、A級、B級。這種主要依靠人工分級的方法，存在效率低、誤差大、主觀性強等缺陷，而利用機器視覺技術進行血鸚鵡魚外形評價則可有效解決上述問題[1-2]。本研究通過機器視覺技術模擬人眼的視覺功能，獲取血鸚鵡魚外形圖像，通過對圖像的處理、分析，判斷血鸚鵡魚外形是否渾圓，自動完成血鸚鵡魚外形評價進而實現自動分級[3]。

1 試驗環境

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象。

試驗采用的硬件、軟件及水體、水質環境如下。

硬件環境：計算機、USB攝像頭、魚缸、魚體。

軟件環境：Matlab2017a。

水體環境：較清澈水體。

水質環境：弱堿性且硬度較低的水質，水溫保持在30 ℃左右，且持續充氧。

2 試驗方法

利用USB攝像頭和Matlab2017a軟件采集血鸚鵡魚魚體圖像，對采集到的圖像進行處理、分割后得到目標圖像，利用Matlab2017a軟件的metric函數計算目標圖像的metric函數值，通過metric函數值判斷魚體外形是否渾圓，最后完成自動分級評價。

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→自動分級。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色底膜的魚缸內作為拍攝對象[4]，將USB攝像頭置于魚缸外部且平行于魚缸進行固定。在Matlab環境下編寫連拍程序，控制攝像頭進行連拍，連續拍照1 000張后停止。拍攝到的照片以拍攝順序自動命名，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環境下，讀取原始圖像，并進行二值化、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[，]＝（，...）函數語句求出連通分量，利用循環語句連通每個連通分量即血鸚鵡魚邊界像素的位置坐標并圈出邊界，合圍形成閉合圖形，對閉合圖形進行顏色填充，同時，為閉合圖形添加白色邊界[5-8]。分割后得到的目標圖像如圖4所示。

圖4 目標圖像

2.5 圖像分析

metric函數的計算公式為＝4×pi×/^2，其中pi為數學常量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算其面積與周長平方的比得到。因此，利用Matlab2017a中的metric函數計算分割得到的目標圖像的metric函數值，通過metric函數值度量目標圖像與圓的近似程度。計算得到的metric函數值越接近1，圖像就越接近圓。如果metric函數值為1，則說明圖像是1個標準圓。metric函數的輸入變量為圖形的面積和圖形邊緣周長，而目標圖像的面積和連通區域的周長均可在Matlab2017a環境下計算得出，因此可求得目標圖像的metric函數值，見表1。

表1 目標圖像的metric函數值

2.6 自動分級

Matlab中，當圖像的metric函數值范圍在[0.94，1]時，默認該圖像為標準圓，按照血鸚鵡魚分級國家標準規定，此血鸚鵡魚確定為金剛級。當metric函數值＜0.94時，則將圖像樣本按照metric函數值從大到小排列，metric函數值越大，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 結論

應用機器視覺技術對血鸚鵡魚的外形體態進行評價，實現了血鸚鵡魚的自動分級，解決了傳統人工分級方法存在的效率低、誤差大和易受主觀因素影響等問題，提高了血鸚鵡魚分級的準確率，降低了人工成本。

[1] 徐愫，邢克智，田云臣. 基于機器視覺的點帶石斑魚異常行為識別方法研究[J]. 漁業現代化，2016，43（1）：18-23.

[2] 徐愫，邢克智，田云臣. 不同光照強度對點帶石斑魚圖像分割結果影響的研究[J]. 天津農學院學報，2016，23（1）：34-37，50.

[3] 張志強，牛智有，趙思明. 基于機器視覺技術的淡水魚品種識別[J]. 農業工程學報，2011，27（11）：388-392.

[4] 李賢，范良忠，劉子毅，等. 基于計算機視覺的大菱鲆對背景色選擇習性研究[J]. 農業工程學報，2012，28（10）：189-193.

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

[6] 楊仁民，鄭洲，陳斌，等. 基于機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. 基于改進遺傳算法的圖像邊緣特征提取[J]. 計算機與數字工程，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]. 電子技術應用，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

天津市現代農業產業技術體系創新團隊建設專項資金（ITTFRS2017018）

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

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

責任編輯：張愛婷