基于多维度特征和LightGBM的大闸蟹质量估算方法

作     者：段青玲 陈鑫 许冠华 樊宇星 张玉玲 DUAN Qingling;CHEN Xin;XU Guanhua;FAN Yuxing;ZHANG Yuling

作者机构：中国农业大学信息与电气工程学院北京100083 中国农业大学国家数字渔业创新中心北京100083 江苏中农物联网科技有限公司宜兴214200 中国农业大学烟台研究院烟台261400 

出 版 物：《农业机械学报》 (Transactions of the Chinese Society for Agricultural Machinery)

年 卷 期：2022年第53卷第8期

页      面：353-360页

核心收录：

学科分类：12[管理学] 0908[农学-水产] 08[工学] 09[农学] 0710[理学-生物学] 090801[农学-水产养殖] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 080203[工学-机械设计及理论] 0802[工学-机械工程] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0801[工学-力学（可授工学、理学学位）] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：江苏省农业科技自主创新基金项目(CX(19)1003) 宁波市公益科技项目(202002N3034) 烟台市校地融合发展项目(2020XDRHXMXK07) 

主　　题：大闸蟹 水产养殖 质量估算 多维度特征 LightGBM 

摘      要：大闸蟹是我国特有的名优水产养殖品种,其质量既是确定投喂量的重要依据,亦是评判其生长状况、品质等级的重要指标。为了准确估算蟹体质量,提出一种基于多维度特征和轻量梯度提升机(Light gradient boosting machine,LightGBM)的大闸蟹质量估算方法。首先通过相机获取蟹体图像,其次采用图像处理技术对图像进行分割以获取背甲图像,然后提取背甲二值图像的几何特征构成形状特征(Shape features,SF);提取不同颜色空间背甲图像的各通道分量值构成颜色特征(Color features,CF),并采用标定法计算特征值;最后采用基于LightGBM的方法预测大闸蟹质量。本文根据色泽表征其发育状况,提取背甲颜色特征与形状特征构成多维度特征,解决单一形状特征导致预测精度不高的问题;提取背甲轮廓比值作为形状特征,有效降低随机调整相机高度对特征值稳定性的影响;在真实数据集上进行预测,结果表明平均绝对误差(MAE)为2.751 g,均方根误差(RMSE)为3.680 g,决定系数R~2为0.949。并与SF-LightGBM、SF3-LightGBM、area-OLS、MF-BPNN和MF-SVM质量估算方法进行对比,本文方法的各评价指标的性能均有较大幅度提升,能够较准确地估算出大闸蟹蟹体质量。