科研之友
微信
新浪微博
Facebook
分享链接
摘要
获取金鲳鱼(Trachinotus ovatus)质量分级所需的质量信息，实现快速无接触式预处理加工。基于多条金鲳鱼的正反面投影图像，采用图像处理算法获取投影面积、周长、长短轴等数据，结合人工测量的金鲳鱼体长、体宽、鱼鳍质量、头鳍宽、鱼尾最窄处宽等关联数据，通过线性回归、曲线估算、主成分分析、RBF神经网络等方法，建立质量预测模型并进行验证。结果显示：建立的14种质量预测模型中，基于图像面积、鱼鳍质量占比、去鱼鳍面积占比的多元线性回归模型具有较高的预测精度，模型的决定系数为0.919。基于图像面积、图像周长、长轴、短轴的线性回归模型决定系数为0.918。建立的9种主成分回归模型中二次回归模型最优，其决定系数为0.877,标准估计误差为17.094。通过建模样本外数据对模型进行验证，基于图像面积、鱼鳍质量占比、去鱼鳍面积占比的回归模型预测值与实际值相关系数为0.944,平均相对误差为2.43%,标准差为2.32%,试验结果表明，基于机器视觉技术的金鲳鱼质量预测模型可靠性高，可应用于金鲳鱼质量分级。
- 单位
