基于机器视觉技术的金鲳鱼重量及姿态检测研究

作     者：单佳楠 

作者单位：上海海洋大学 

学位级别：硕士

导师姓名：郑晓伟

授予年度：2022年

学科分类：0832[工学-食品科学与工程（可授工学、农学学位）] 08[工学] 080203[工学-机械设计及理论] 0802[工学-机械工程] 083204[工学-水产品加工及贮藏工程] 

主      题：机器视觉 重量检测 检测模型 金鲳鱼 姿态检测 

摘      要：金鲳鱼肉质细嫩、味道鲜美,深受广大人民群众的喜爱,作为我国南方沿海经济鱼类之一,拥有它的市场价值。但由于金鲳鱼不耐低温,水温低于16℃便会死亡,这对于金鲳鱼的储运保活条件要求较高。因此市场上的金鲳鱼主要以冰鲜、条冻、调味等方式流通。单一的加工方式从一定程度上制约了金鲳鱼产业的发展。为了进一步提高金鲳鱼产品的经济价值,对捕捞后的金鲳鱼需要进行精细加工,在加工前需要对金鲳鱼进行重量分级和姿态调整,这一过程主要以人工为主。分级工序操作环境恶劣、劳动量大、人工总体效率低,容易造成二次接触从而影响金鲳鱼的品质。针对这一现象,本文以南海金鲳鱼为研究对象,依靠机器视觉技术对金鲳鱼鱼体特征参数进行提取,建立金鲳鱼重量检测模型;利用多种图像处理算法检测金鲳鱼的角度,建立角度检测模型,为实现金鲳鱼的自动化重量分级和姿态调整提供理论依据和技术支持。本研究主要内容分为以下两个部分:(1)本研究基于一定数量的金鲳鱼正反面投影图像,采用图像特征算法提取投影面积、周长、长短轴等数据。人工测量得到金鲳鱼体长、体宽、鱼鳍重量、头鳍宽、鱼尾最窄处宽等数据,使用线性回归、曲线估算、主成分分析、径向基函数RBF(radial basis functin)神经网络等建模方法,共建立14种重量检测模型,通过对比分析14种重量模型的检测精度。基于图像面积、鱼鳍重量占比、去鱼鳍后图像投影面积占比的多元线性回归模型R为0.919。此外,基于图像面积、图像周长、长轴、短轴的线性回归模型R为0.918,采用主成分分析法,解决因子共线性问题,共建立了9种主成分回归模型。通过检验样本对重量检测模型进行误差分析和模型验证。结果表明:基于图像面积、鱼鳍重量占比、去鱼鳍后图像投影面积占比的回归模型检测值与实际值之间的决定系数R2为0.944,平均相对误差为2.43%,标准差为2.32%。该模型可应用于金鲳鱼重量检测。(2)金鲳鱼姿态的调整需要依靠对其姿态的的识别,而金鲳鱼姿态识别可通过金鲳鱼旋转角度信息,头尾朝向识别来判定。基于一定数量的金鲳鱼投影图像,对其进行预处理。采用轮廓拟合椭圆、轮廓最小外接矩形、轮廓最优拟合直线三种方法对金鲳鱼旋转角度进行检测。研究采用霍夫圆变换法实现金鲳鱼鱼眼中心点定位,并结合轮廓拟合椭圆中心坐标,实现金鲳鱼头尾朝向的识别。通过头尾朝向和算法角度检测结合,将角度输出值校正为人为定义的标准。其中拟合直线角平均绝对误差为2.66°,拟合椭圆角平均绝对误差为2.89°,最小外接矩形角平均绝对误差为7.89°。为进一步提升角度检测的精度,研究对三种角度检测方法得到的角度,采用逐步多元线性回归和主成分回归方法建立金鲳鱼角度检测模型。其中,逐步多元线性回归模型R为0.999,研究采用主成分回归方法进行建模,研究对主成分进行了线性、二次、三次回归建模,模型R均达到0.999。主成分一元线性回归模型具有更小的标准估算的误差,试验选择该模型作为金鲳鱼旋转角度检测模型。试验利用检验样本对该模型进行误差分析和模型验证,模型检测值和实际值间的平均相对误差为2.05°,平均绝对误差为2.36°,金鲳鱼旋转角度检测值与实际值回归曲线决定系数R为0.999。结果表明该检测模型可为金鲳鱼姿态调整提供帮助。