基于支持向量机的鱼群摄食行为识别技术-《江苏农业科学》

文章信息/Info

Title:: Study on fish feeding behavior recognition technology based on support vector machine

作者:: 陈彩文¹; 2; 杜永贵¹; 周超²; 孙传恒²; 1.太原理工大学信息工程学院，山西太原 030024；
2.国家农业信息化工程技术研究中心/农业部农业信息技术重点实验室/北京市农业物联网工程技术研究中心，北京 100097

Author(s):: Chen Caiwen; et al

关键词:: 计算机视觉; 图像纹理; 支持向量机; 主成分分析; 鱼群摄食; 自动识别; 自动监测

Keywords:: -

分类号:: TP391.41

DOI:: -

文献标志码:: A

摘要:: 应用计算机视觉技术对镜鲤鱼群的摄食行为进行识别，减少养殖过程中人力的损耗，提出了一种基于图像纹理的鱼群摄食的自动检测识别方法。首先利用相机采集鱼群正常状态和摄食时的图片，之后对图片进行预处理，利用灰度差分统计法、灰度共生矩阵和高斯马尔科夫随机场模型提取鱼群的13个纹理特征，最后利用支持向量机(support vector machine，简称SVM)算法对鱼群图像进行分类识别。结果表明，支持向量机对测试集的识别率达到965%，运行时间为39.04 s，且使用主成分分析(principal component analysis，简称PCA)算法后，支持向量机对测试集的识别率达到93.5%，运行时间为0.63 s，可以达到对鱼群摄食自动识别的要求。

Abstract:: -

参考文献/References:

［1］Liu Z Y，Li X，Fan L Z，et al. Measuring feeding activity of fish in RAS using computer vision［J］. Aquacultural Engineering，2014，60(1)：20-27.
［2］周应祺，王军，钱卫国，等. 鱼类集群行为的研究进展［J］. 上海海洋大学学报，2013，22(5)：734-743.
［3］胡金有，王靖杰，张小栓，等. 水产养殖信息化关键技术研究现状与趋势［J］. 农业机械学报，2015，46(7)：251-263.
［4］陈红，夏青，左婷，等. 基于纹理分析的香菇品质分选方法［J］. 农业工程学报，2014，30(3)：285-292.
［5］Israeli D，Kimmel E. Monitoring the behavior of hypoxia-stressed Carassiu sauratus using computer vision［J］. Aquacultural Engineering，1996，15(6)：423-440.
［6］Wu T H，Huang Y，Chen J M. Development of an adaptive neural-based fuzzy inference system for feeding decision-making assessment in silver perch(Bidyanus bidyanus)culture［J］. Aquacultural Engineering，2015，66：42-51.
［7］Mallet D，Pelletier D. Underwater video techniques for observing coastal marine biodiversity：a review of sixty years of publications(1952—2012)［J］. Fisheries Research，2014，154(3)：44-62.
［8］Papadakis V M，Papadakis I E，Lamprianidou F，et al.A computer-vision system and methodology for the analysis of fish behavior［J］. Aquacultural Engineering，2012，46(2)：53-59.
［9］李贤，范良忠，刘子毅，等. 基于计算机视觉的大菱鲆对背景色选择习性研究［J］. 农业工程学报，2012，28(10)：189-193.
［10］段延娥，李道亮，李振波，等. 基于计算机视觉的水产动物视觉特征测量研究综述［J］. 农业工程学报，2015，31(15)：1-11.
［11］Kato S，Tamada K，Shimada Y，et al. A quantification of goldfish behavior by an image processing system［J］. Behavioural Brain Research，1996，80(1/2)：51-55.
［12］Ma H，Tsai T F，Liu C C. Real-time monitoring of water quality using temporal trajectory of live fish［J］. Expert Systems With Applications，2010，37(7)：5158-5171.
［13］张志强，牛智有，赵思明. 基于机器视觉技术的淡水鱼品种识别［J］. 农业工程学报，2011，27(11)：388-392.
［14］于欣，侯晓娇，卢焕达，等. 基于光流法与特征统计的鱼群异常行为检测［J］. 农业工程学报，2014，30(2)：162-168.
［15］任立辉，李文东，慈兴华，等. 基于LIBSVM的石油录井中岩屑岩性识别方法研究［J］. 中国海洋大学学报(自然科学版)，2010，40(9)：131-136.
［16］Sadoul B，Mengues P E，Friggens N C，et al. A new method for measuring group behaviours of fish shoals from recorded videos taken in near aquaculture conditions［J］. Aquaculture，2014，430：179-187.
［17］Pautsina A，Cisar P，Stys D，et al. Infrared reflection system for indoor 3D tracking of fish［J］. Aquacultural Engineering，2015，69：7-17.
［18］Zhao J，Gu Z B，Shi M M，et al. Spatial behavioral characteristics and statistics-based kinetic energy modeling in special behaviors detection of a shoal of fish in a recirculating aquaculture system［J］. Computers and Electronics in Agriculture，2016，127：271-280.
［19］Rakowitz G，Tuer M，Síha M，et al. Use of high-frequency imaging sonar (DIDSON) to observe fish behaviour towards a surface trawl［J］. Fisheries Research，2012，123-124(3)：37-48.
［20］徐小军，邵英，郭尚芬. 基于灰度共生矩阵的火焰图像纹理特征分析［J］. 计算技术与自动化，2007，26(4)：64-67.
［21］刘丽，匡纲要. 图像纹理特征提取方法综述［J］. 中国图象图形学报，2009，14(4)：622-635.
［22］范良忠，刘鹰，余心杰，等. 基于计算机视觉技术的运动鱼检测算法［J］. 农业工程学报，2011，27(7)：226-230.
［23］王慧勤，雷刚. 基于LIBSVM的风速预测方法研究［J］. 科学技术与工程，2011，11(22)：5440-5442，5450.
［24］Ashley P J. Fish welfare：current issues in aquaculture［J］. Applied Animal Behaviour Science，2007，104(4)：199-235.
［25］张学工. 关于统计学习理论与支持向量机［J］. 自动化学报，2000，26(1)：32-42.

相似文献/References:

[1]朱家骥,朱伟兴.基于星状骨架模型的猪步态分析[J].江苏农业科学,2015,43(12):453.
　Zhu Jiaji,et al.Analysis of pigs gaits based on star shaped frame model[J].Jiangsu Agricultural Sciences,2015,43(07):453.
[2]陈桂珍,龚声蓉.计算机视觉及模式识别技术在农业生产领域的应用[J].江苏农业科学,2015,43(08):409.
　Chen Guizhen,et al.Application of computer vision and pattern recognition in agricultural production field[J].Jiangsu Agricultural Sciences,2015,43(07):409.
[3]劳东青,陈立平,邬欢欢,等.基于计算机视觉的枣叶含水率估算模型[J].江苏农业科学,2015,43(04):384.
　Lao Dongqing,et al.Study on jujube leaf water content estimation model based on computer vision[J].Jiangsu Agricultural Sciences,2015,43(07):384.
[4]王爱新,李春友,张喆.基于计算机视觉的农业图像害虫定位检测算法[J].江苏农业科学,2016,44(07):361.
　Wang Aixin,et al.Agricultural image pest location detection algorithm based on computer vision[J].Jiangsu Agricultural Sciences,2016,44(07):361.
[5]祁卫宇,王传宇,郭新宇.基于计算机视觉的植物行为感知研究综述[J].江苏农业科学,2017,45(06):20.
　Qi Weiyu,et al.Study on plant behavior perception based on computer vision： a review[J].Jiangsu Agricultural Sciences,2017,45(07):20.
[6]邢志中,张海东,王孟,等.基于计算机视觉和神经网络的鸡蛋新鲜度检测[J].江苏农业科学,2017,45(11):160.
　Xing Zhizhong,et al.Detection of egg freshness based on computer vision detection and neural network[J].Jiangsu Agricultural Sciences,2017,45(07):160.
[7]刘祖鹏.基于优化PCNN模型的黄瓜叶片病斑提取方法[J].江苏农业科学,2018,46(18):216.
　Liu Zupeng.A cucumber leaf lesion extraction method based on optimized PCNN mode[J].Jiangsu Agricultural Sciences,2018,46(07):216.
[8]童阳,艾施荣,吴瑞梅,等.茶叶外形感官品质的计算机视觉分级研究[J].江苏农业科学,2019,47(05):170.
　Tong Yang,et al.Sensory evaluation of tea appearance using computer vision classification[J].Jiangsu Agricultural Sciences,2019,47(07):170.
[9]张重阳,陈明.基于计算机视觉的鱼类摄食行为研究现状及展望[J].江苏农业科学,2020,48(24):31.
　Zhang Chongyang,et al.Research status and outlook of fish feeding behavior based on computer vision[J].Jiangsu Agricultural Sciences,2020,48(07):31.
[10]胡玲艳,许巍,秦山,等.基于分时重叠算法的欧洲甜樱桃表型关键特征区域图像分割方法[J].江苏农业科学,2023,51(1):195.
　Hu Lingyan??et al.Image segmentation of key feature regions of European sweet cherry phenotype based on time-sharing overlap algorithm[J].Jiangsu Agricultural Sciences,2023,51(07):195.

《江苏农业科学》[ISSN:1002-1302/CN:32-1214/S]

文章信息/Info

参考文献/References:

相似文献/References:

备注/Memo

常用功能

导航/Navigate

工具/Tools

统计/Statistics