基于机器视觉技术的血鹦鹉鱼外形评价研究

齐月，田云臣

基于机器视觉技术的血鹦鹉鱼外形评价研究

齐月，田云臣通信作者

（天津农学院 计算机与信息工程学院，天津 300384）

血鹦鹉鱼的外形是分级的重要因素，分级结果决定其市场价值。目前，血鹦鹉鱼分级主要依靠人工进行，主观性强、效率低。本文介绍了利用机器视觉技术对鹦鹉鱼外形评价的方法，详细阐述了在养殖水体不变的情况下，通过Matlab2017a软件控制摄像头完成图片的采集，并通过二值化、取阈值、去噪声、寻找边界等方法对采集到的图像进行处理的过程，最后介绍了利用metric函数判断鱼体边界所围成的闭合曲线是否趋近于圆形，进而完成血鹦鹉鱼外形评价的方法。试验结果表明，该方法能自动完成血鹦鹉鱼的分级，解决传统方法存在的效率低、误差大等问题。

机器视觉；图像处理；血鹦鹉鱼；外形评价

血鹦鹉鱼是我国重要的观赏鱼种类，外形评价是血鹦鹉鱼分级的重要依据，而分级结果对市场价格影响很大。目前在我国，血鹦鹉鱼的分级主要依据是中华人民共和国国家标准GB/T 30946-2014，通过肉眼观察鱼体体长、体形是否浑圆等确定其分级，分为AAAA（金刚级）、AAA（元宝级）、AA级、A级、B级。这种主要依靠人工分级的方法，存在效率低、误差大、主观性强等缺陷，而利用机器视觉技术进行血鹦鹉鱼外形评价则可有效解决上述问题[1-2]。本研究通过机器视觉技术模拟人眼的视觉功能，获取血鹦鹉鱼外形图像，通过对图像的处理、分析，判断血鹦鹉鱼外形是否浑圆，自动完成血鹦鹉鱼外形评价进而实现自动分级[3]。

1 试验环境

选取体长基本相同但体形有差异的3条血鹦鹉鱼作为研究对象。

试验采用的硬件、软件及水体、水质环境如下。

硬件环境：计算机、USB摄像头、鱼缸、鱼体。

软件环境：Matlab2017a。

水体环境：较清澈水体。

水质环境：弱碱性且硬度较低的水质，水温保持在30 ℃左右，且持续充氧。

2 试验方法

利用USB摄像头和Matlab2017a软件采集血鹦鹉鱼鱼体图像，对采集到的图像进行处理、分割后得到目标图像，利用Matlab2017a软件的metric函数计算目标图像的metric函数值，通过metric函数值判断鱼体外形是否浑圆，最后完成自动分级评价。

2.1 处理流程

处理流程为：图像采集→读取图像→图像二值化→图像去噪声→图像分割→图像分析→自动分级。处理流程如图1所示。

图1 处理流程图

2.2 图像采集

图像采集方法：将平均体长为6 cm的3条血鹦鹉鱼置于贴有蓝色底膜的鱼缸内作为拍摄对象[4]，将USB摄像头置于鱼缸外部且平行于鱼缸进行固定。在Matlab环境下编写连拍程序，控制摄像头进行连拍，连续拍照1 000张后停止。拍摄到的照片以拍摄顺序自动命名，存入指定文件夹，从中选取3张具有代表性的照片作为原始图像。3条血鹦鹉鱼的原始图像如图2所示。

图2 原始图像

2.3 图像处理

在Matlab环境下，读取原始图像，并进行二值化、取阈值、去噪声等处理，分别得到灰度图和二值化图，如图3所示。

图3 图像处理

2.4 图像分割

图像分割利用Matlab2007a软件完成。使用Matlab中的[，]＝（，...）函数语句求出连通分量，利用循环语句连通每个连通分量即血鹦鹉鱼边界像素的位置坐标并圈出边界，合围形成闭合图形，对闭合图形进行颜色填充，同时，为闭合图形添加白色边界[5-8]。分割后得到的目标图像如图4所示。

图4 目标图像

2.5 图像分析

metric函数的计算公式为＝4×pi×/^2，其中pi为数学常量π，为闭合图形面积，为闭合图形周长，闭合图形与圆的近似度可通过计算其面积与周长平方的比得到。因此，利用Matlab2017a中的metric函数计算分割得到的目标图像的metric函数值，通过metric函数值度量目标图像与圆的近似程度。计算得到的metric函数值越接近1，图像就越接近圆。如果metric函数值为1，则说明图像是1个标准圆。metric函数的输入变量为图形的面积和图形边缘周长，而目标图像的面积和连通区域的周长均可在Matlab2017a环境下计算得出，因此可求得目标图像的metric函数值，见表1。

表1 目标图像的metric函数值

2.6 自动分级

Matlab中，当图像的metric函数值范围在[0.94，1]时，默认该图像为标准圆，按照血鹦鹉鱼分级国家标准规定，此血鹦鹉鱼确定为金刚级。当metric函数值＜0.94时，则将图像样本按照metric函数值从大到小排列，metric函数值越大，说明该血鹦鹉鱼的外形越好。由表1可知，第2条血鹦鹉鱼的外形最好，第1条次之，第3条最差。

3 结论

应用机器视觉技术对血鹦鹉鱼的外形体态进行评价，实现了血鹦鹉鱼的自动分级，解决了传统人工分级方法存在的效率低、误差大和易受主观因素影响等问题，提高了血鹦鹉鱼分级的准确率，降低了人工成本。

[1] 徐愫，邢克智，田云臣. 基于机器视觉的点带石斑鱼异常行为识别方法研究[J]. 渔业现代化，2016，43（1）：18-23.

[2] 徐愫，邢克智，田云臣. 不同光照强度对点带石斑鱼图像分割结果影响的研究[J]. 天津农学院学报，2016，23（1）：34-37，50.

[3] 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.

[4] 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.

[5] 曹晨晨，李光. 基于机器视觉的图像形状特征提取方法研究进展[J]. 包装学报，2015（1）：54-60.

[6] 杨仁民，郑洲，陈斌，等. 基于机器视觉的零件特征尺寸提取算法[J]. 包装工程，2017（9）：151-156.

[7] 乔玲玲，毛晓菊. 基于改进遗传算法的图像边缘特征提取[J]. 计算机与数字工程，2016（7）：1353-1356.

[8] 谢静，庹先国，方晓. 基于边缘几何不变性的特征提取算法研究[J]. 电子技术应用，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

天津市现代农业产业技术体系创新团队建设专项资金（ITTFRS2017018）

齐月（1994-），女，硕士在读，主要从事农业信息技术方面的研究工作。E-mail：1564284755@qq.com。

田云臣（1967-），男，教授，硕士，主要从事农业信息技术方面的研究工作。E-mail：tianyunchen@tjau.edu.cn。

责任编辑：张爱婷