基于神经网络的多特征结合法鲫鱼质量估计
质量不同的鱼摄食能力不同,准确估计鱼体质量有利于水产养殖中鱼类精准投喂,避免饲料浪费及水体污染.首先使用1元硬币作为参照物采集鲫鱼图像和体重数据,其次对图像进行预处理,提取鲫鱼和硬币的特征值,最后采用BP神经网络、Elman神经网络以及Numpy库构建的神经网络实现多特征的鲫鱼质量估计.结果 表明:使用BP和Elman神经网络估计鲫鱼质量时决定系数分别为0.9256和0.9064,均方误差分别为0.00368和0.00455.采用Numpy库构建的神经网络估计时决定系数值为0.8237,均方误差值为0.0081.因此,使用BPNN-面积-周长和Elman-面积-周长方法能够快速、准确地估计鱼体质量,实现水产养殖中鱼类的精准投喂,以及在鱼类被捕捞后根据质量进行分级,推进渔业现代化的进展.
质量估计;神经网络;多特征;水产养殖;图像处理
23
S126(农业物理学)
国家重点研发计划项目2017YFE0122100
2022-01-05(万方平台首次上网日期,不代表论文的发表时间)
共7页
109-115