基于支持向量机的鱼群摄食行为识别技术

文献类型： 中文期刊

第一作者： 陈彩文

作者： 陈彩文;杜永贵;周超;孙传恒

作者机构：

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

期刊名称： 江苏农业科学

ISSN： 1002-1302

年卷期： 2018 年 07 期

页码： 226-229

收录情况： 北大核心

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。

分类号： TP391.41

  • 相关文献

[1]基于SVM的高粱叶片病斑图像自动分割提取方法研究. 白文斌,白帆,贺文文,王伟仁,程彦俊,刘璋. 2014

[2]基于计算机视觉的水稻叶部病害识别研究. 刘涛,仲晓春,孙成明,郭文善,陈瑛瑛,孙娟. 2014

[3]基于计算机视觉技术的番茄叶部病害识别. 柴阿丽,李宝聚,石延霞,岑喆鑫,黄海洋,刘君. 2010

[4]基于高光谱图像光谱与纹理信息的生菜氮素含量检测. 孙俊,金夏明,毛罕平,武小红,朱文静,张晓东,高洪燕. 2014

[5]冬小麦叶面积指数遥感反演方法比较研究. 谢巧云,黄文江,蔡淑红,梁栋,彭代亮,张清,黄林生,杨贵军,张东彦. 2014

[6]基于高光谱的水稻叶片氮素营养诊断研究. 杨红云,周琼,杨珺,孙玉婷,路艳,殷华. 2019

[7]基于高光谱和参数优化支持向量机的水稻施氮水平分类研究. 罗建军,杨红云,路艳,万颖,孙爱珍,易文龙. 2020

[8]基于机器视觉的稻谷品种鉴别方法比较. 冯晓星,许学. 2019

[9]基于支持向量机的新鲜与解冻许氏平鲉(Sebastes schlegeli)近红外光谱鉴别技术. 刘申申,孙永,周德庆. 2015

[10]基于分级阈值和多级筛分的玉米果穗穗粒分割方法. 杜建军,郭新宇,王传宇,肖伯祥,吴升. 2015

[11]基于支持向量机的新鲜与解冻许氏平鲉(ebastes schlegeli)近红外光谱鉴别技术. 刘申申,孙永,周德庆. 2015

[12]基于高光谱图谱融合技术的英德红茶等级快速无损判别. 刘翠玲,秦冬,凌彩金,孙晓荣,郜礼阳,昝佳睿. 2023

[13]基于近红外光谱的纽荷尔脐橙产地识别研究. 廖秋红,何绍兰,谢让金,钱春,胡德玉,吕强,易时来,郑永强,邓烈. 2015

[14]基于主成分分析-支持向量机的我国农业科技创新能力评价. 秦薇,万忠,康乐. 2019

[15]中红外光谱法结合支持向量机快速鉴别蜂蜜品种. 徐天扬,杨娟,孙晓荣,刘翠玲,李熠,周金慧,陈兰珍. 2018

[16]高光谱成像的柑橘病虫害叶片识别方法. 吴叶兰,陈怡宇,廉小亲,廖禺,高超,管慧宁,于重重. 2021

[17]基于离子迁移谱的葡萄籽油掺伪鉴别研究. 帅茜,张良晓,李培武,张奇,王秀嫔,丁小霞. 2014

[18]基于主要营养成分含量的大小颗粒薏仁米判别. 刘星,范楷,杨俊花,宋卫国. 2019

[19]基于改进边界匹配网络的鱼群摄食动作时序检测方法研究. 王丁弘,杨信廷,潘良,朱文韬,焦冬祥,周超. 2023

[20]土壤墒情自动监测系统的开发与应用. 赵泽英,彭志良,王虎,李莉婕,陈维榕,孙长青. 2016

作者其他论文 更多>>

微信小程序