CN112514831B - 一种活体鳝鱼表型获取的装置与方法 - Google Patents
一种活体鳝鱼表型获取的装置与方法 Download PDFInfo
- Publication number
- CN112514831B CN112514831B CN202010739589.2A CN202010739589A CN112514831B CN 112514831 B CN112514831 B CN 112514831B CN 202010739589 A CN202010739589 A CN 202010739589A CN 112514831 B CN112514831 B CN 112514831B
- Authority
- CN
- China
- Prior art keywords
- points
- point
- eel
- image
- thinning
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 241000252073 Anguilliformes Species 0.000 claims abstract description 25
- 238000013507 mapping Methods 0.000 claims abstract description 6
- 210000000988 bone and bone Anatomy 0.000 claims description 6
- 230000000877 morphologic effect Effects 0.000 claims description 4
- 210000003097 mucus Anatomy 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 238000007670 refining Methods 0.000 claims 2
- 238000005303 weighing Methods 0.000 description 4
- 230000000295 complement effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- NIXOWILDQLNWCW-UHFFFAOYSA-N acrylic acid group Chemical group C(C=C)(=O)O NIXOWILDQLNWCW-UHFFFAOYSA-N 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000036544 posture Effects 0.000 description 1
Images
Classifications
-
- A—HUMAN NECESSITIES
- A01—AGRICULTURE; FORESTRY; ANIMAL HUSBANDRY; HUNTING; TRAPPING; FISHING
- A01K—ANIMAL HUSBANDRY; AVICULTURE; APICULTURE; PISCICULTURE; FISHING; REARING OR BREEDING ANIMALS, NOT OTHERWISE PROVIDED FOR; NEW BREEDS OF ANIMALS
- A01K61/00—Culture of aquatic animals
- A01K61/10—Culture of aquatic animals of fish
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/90—Determination of colour characteristics
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10024—Color image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/80—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in fisheries management
- Y02A40/81—Aquaculture, e.g. of fish
Landscapes
- Life Sciences & Earth Sciences (AREA)
- Environmental Sciences (AREA)
- Engineering & Computer Science (AREA)
- Marine Sciences & Fisheries (AREA)
- Zoology (AREA)
- Animal Husbandry (AREA)
- Biodiversity & Conservation Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本发明属于活体鳝鱼表型分析领域,尤其为一种活体鳝鱼表型获取的装置与方法,其装置包括基座,基座的顶部四角均固定连接有竖直设置的立柱,立柱的顶端固定连接有重量传感器,四个重量传感器的顶部固定连接有同一个亚克力载物台,亚克力载物台的两侧底部均固定连接有平行光源,亚克力载物台的后侧设置有背景板,背景板固定连接于立柱上,基座的顶部中央部位滑动连接有相机,基座的顶部两侧分别固定连接有电源和电动推杆,电动推杆的输出轴固定连接于相机上,立柱的外侧固定连接有PLC控制器。本发明采用贝塞尔曲线方法对缺失部分进行补足,对补足后的曲线进行顺逆时针的位移形成覆盖鳝鱼的曲线集合,对集合内线采取归映射可得到归一化鳝鱼图像。
Description
技术领域
本发明涉及活体鳝鱼表型分析技术领域,尤其涉及一种活体鳝鱼表型获取的装置与方法。
背景技术
鳝鱼体表粘液丰富使得活体鳝鱼的测量与观测十分困难,图像处理使得活体鳝鱼的表型分析成为可能。为实现活体鳝鱼的长度以及表型分析,该文采用改进细化算法确定鳝鱼的骨骼线位置与测算鳝鱼长度。传统细化算法会造成鳝鱼骨骼线的始末被缩减的问题,本文采用贝塞尔曲线方法对缺失部分进行补足,对补足后的曲线进行顺逆时针的位移形成覆盖鳝鱼的曲线集合,对集合内线采取归映射可得到归一化鳝鱼图像。
发明内容
本发明的目的是为了解决现有技术的缺点,而提出的一种活体鳝鱼表型获取的装置与方法。
为了实现上述目的,本发明采用了如下技术方案:
一种活体鳝鱼表型获取的装置,包括基座,所述基座的顶部四角均固定连接有竖直设置的立柱,所述立柱的顶端固定连接有重量传感器,且四个重量传感器的顶部固定连接有同一个亚克力载物台,所述亚克力载物台的两侧底部均固定连接有平行光源,所述亚克力载物台的后侧设置有背景板,所述背景板固定连接于立柱上,所述基座的顶部中央部位滑动连接有相机,所述基座的顶部两侧分别固定连接有电源和电动推杆,所述电动推杆的输出轴固定连接于相机上,所述立柱的外侧固定连接有PLC控制器。
优选的,所述背景板的前侧固定连接有两个支架的一端,支架的另一端固定连接有卡扣,卡扣活动套接于相对应的立柱的外侧。
优选的,所述相机的底部固定连接有滑座,所述相机通过滑座滑动连接于基座上。
优选的,所述亚克力载物台的两侧底部均设置有灯座,所述平行光源通过螺栓固定连接于相对应的灯座上。
优选的,所述平行光源的光线与水平线夹角为1°。本发明还提出了一种活体鳝鱼表型获取的方法,包括以下步骤:
步骤S1:图像采集:通过活体鳝鱼表型获取的装置拍摄鳝鱼若干照片;
步骤S2:图像细化算法:将一个图像中的黑色部分沿着它的中心轴线将其细化为一个像素宽的线条,保留图形中黑色部分的拓扑结构,并通过改进骨骼提取算法进行骨骼提取(快速细化);
快速细化算法步骤如下:
假设黑色值为1,白色为0;
第一步,顺序遍历图像,即从图像属性的top到bottom,left到right依次扫描每一个点,若当前点(x,y)为区域内时,需判断其上包围情况(右上、上、左上和左四点的情况):(x-1,y+1)(x-1,y)(x-1,y-1)(x,y-1)这四点为当前点是被该四点包围,该点层数即四点层数最小值多一层;如果当前点 (x,y)为区域外,层数值赋为0;
第二步,倒序遍历图像,即从图像属性的bottom到top,right到left与第一步相似的判断每个点的状态,若当前点是区域内,判断其下包围情况(左下、下、右下和右四点的情况):(x+1,y-1)(x+1,y)(x+1,y+1)(x,y+1) 四点包围了当前点,同样取这四点层数的最小值加1作为该点层数值;如果当前点(x,y)为区域外,层数值赋为0;
已求得每一个点上包围层数值和下包围层数值,每个点的实际层数便是两种层数值中最小值;
M[x][y]=Mi n(F[x][y],G[x]F[y])
第三步,再次顺序遍历图像扫描每一个点,判断该点8方向范围内所有点层数的情况:如果当前点的层数值是周围相邻点中最大,该点即保留;如果当前点的层数值并非最大,该点即可删去;
M[x][y]=Max(M[x+i][y+i]|(-1≤i≤1))Save:Delete
步骤S3:完整鳝鱼骨骼线提取:在细化结果的过滤掉转角等多余点后重新查找起始点和终结点后重新排序,其中,转角判断依据为8邻域内有效像素之和大于等于3,起始点和终结点判断依据为骨骼线8邻域内有效像素之和为2.,利用贝塞尔曲线方法补足细化的骨骼线与轮廓边缘的点得到一条完整贯穿头尾的骨骼线;
步骤S4:将鳝鱼图像的二值图近似的视为一管状物体,在鳝鱼图像从彩色图到二值图的过程中,由于光线以及鳝鱼表面黏液的反光等问题,在造成细微的凹陷情况时,通过闭合运算后消除;
细化算法可能在出现细化不彻底情况,对细化不彻底的部位进行过滤,删除多余的点,具体步骤如下:
1)遍历细化线Line1的点,查找八邻域内相邻像素个数为1的点,若该类型的点的总数为2个则执行下一步,若>2个则扩大二值图的闭运算步数后重做细化再次执行;
2)两点任意一点为起点Pstart,另一为终点Pena。将Pstart推入新的细化线Line2;
3)推出Line1中Pstart,由Pstart周围设计一个八邻域的滑窗,统计滑窗内包含的Line1上的点;若该类型的点的数量为1,则将该点记为Pnext,将 Pnext推入新的细化线Line2;重复执行步骤3;若该类型的点的数量为2,执行步骤4;
4)记两点为Pa和Pb,推出Line1中Pa和Pb,判断两点与Pnext之间距离较远的点推入Line2后继续执行步骤3:
Max(Distance(Pa,Pnext),Distance(Pb,Pnext))Save:Delete
此处距离公式用点的X,Y坐标的差值表示:
Distance(P,Pnext)=|P.X-Pnext.X|+|P.Y-Pnext.Y|
步骤S5:鳝鱼骨骼线的补足,快速细化算法得到的骨骼线的点均为鳝鱼轮廓内部的点,没有延展到鳝鱼轮廓,采用步骤S4中提取的Pstart与Pena作为中点,按Pstart的顺序Pena的逆序中心对称补点,直至新增的点在鳝鱼轮廓外,点是否包含在轮廓内使用Emgucv的PointPolygonTest判定;
步骤S6:鳝鱼图像归一化,按步骤S5提取骨骼线分别递归做顺时针方向与逆时针方向描线,直至新增描线全部点均在鳝鱼轮廓外,将的得到的骨骼线集合映射到一张新的图片。图片的高为骨骼线集合的数量,宽为骨骼线集合的最大长度;
步骤S7:算法效果评价;
步骤S8:鳝鱼长度分析结果,将步骤S5取得的完整骨骼线作为输入,代入采用最小二乘法拟合函数的换算公式将骨骼线像素个数还原到真实世界的鳝鱼长度;
步骤S9:鳝鱼表型分析结果,将步骤S6取得的归一化鳝鱼图像重新分析得到形态参数(长度,面积),颜色参数(RGB值),纹理参数(灰度共生矩阵);
优选的,所述步骤S1中,所述的活体鳝鱼表型获取的装置的图像格式为RGB,软件开发环境为VS平台下C#语言,图像处理库为Emgucv。优选的,所述步骤 S1中,每条鳝鱼不同体态拍摄N张照片。
本发明中所述的一种活体鳝鱼表型获取的装置与方法,实现活体鳝鱼的长度以及表型分析,该文采用改进细化算法确定鳝鱼的骨骼线位置与测算鳝鱼长度。传统细化算法会造成鳝鱼骨骼线的始末被缩减的问题,本文采用贝塞尔曲线方法对缺失部分进行补足,对补足后的曲线进行顺逆时针的位移形成覆盖鳝鱼的曲线集合,对集合内线采取归映射可得到归一化鳝鱼图像。
附图说明
图1为本发明提出的一种活体鳝鱼表型获取的装置的结构示意图;
图2为本发明提出的一种活体鳝鱼表型获取的装置的背景板、支架、卡扣的俯视图;
图3为本发明提出的一种活体鳝鱼表型获取的装置的基座、立柱的立体图;
图4为本发明提出的一种活体鳝鱼表型获取的装置的平行光源、灯座的结构示意图;
图5为本发明提出的一种活体鳝鱼表型获取的方法的流程图;
图6为本发明提出的一种活体鳝鱼表型获取的方法的细化结果可能情况以及过滤示意图;
图7为本发明提出的一种活体鳝鱼表型获取的方法的鳝鱼骨骼线的补足图;
图8为本发明提出的一种活体鳝鱼表型获取的方法的传统细化结果和本文结果对比图。
图中:1、基座;2、立柱;3、重量传感器;4、亚克力载物台;5、平行光源;6、背景板;7、相机;8、电动推杆;9、电源;10、PLC控制器;11、滑座; 12、灯座;13、支架;14、卡扣。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
参照图1-4,活体鳝鱼表型获取的装置,包括基座1,基座1的顶部四角均固定连接有竖直设置的立柱2,立柱2的顶端固定连接有重量传感器3,且四个重量传感器3的顶部固定连接有同一个亚克力载物台4,亚克力载物台4为透明无盖的亚克力盒子,亚克力载物台4的两侧底部均固定连接有平行光源5,亚克力载物台4的后侧设置有背景板6,背景板6固定连接于立柱2上,基座1的顶部中央部位滑动连接有相机7,基座1的顶部两侧分别固定连接有电源9和电动推杆8,电动推杆8的输出轴固定连接于相机7上,立柱2的外侧固定连接有PLC控制器10。
本实施例中,背景板6的前侧固定连接有两个支架13的一端,支架13的另一端固定连接有卡扣14,卡扣14活动套接于相对应的立柱2的外侧,相机7 的底部固定连接有滑座11,相机7通过滑座11滑动连接于基座1上。
本实施例中,亚克力载物台4的两侧底部均设置有灯座12,平行光源5通过螺栓固定连接于相对应的灯座12上,平行光源5的光线与水平线夹角为1°,相机7与亚克力载物台4的高度差为40厘米。
本实施例中,电源9为重量传感器3、平行光源5、相机7、电动推杆8、 PLC控制器10供电,PLC控制器10用以控制重量传感器3、平行光源5、相机7、电动推杆8运行,电动推杆8可驱动并调整相机7的位置,以调整拍摄位置。
参照图5-8,本实施例还提出了一种活体鳝鱼表型获取的方法,包括以下步骤:
步骤S1:图像采集:通过活体鳝鱼表型获取的装置拍摄鳝鱼若干照片;
步骤S2:图像细化算法:将一个图像中的黑色部分沿着它的中心轴线将其细化为一个像素宽的线条,保留图形中黑色部分的拓扑结构,并通过改进骨骼提取算法进行骨骼提取(快速细化);
快速细化算法步骤如下:
假设黑色值为1,白色为0;
第一步,顺序遍历图像,即从图像属性的top到bottom,left到right依次扫描每一个点,若当前点(x,y)为区域内时,需判断其上包围情况(右上、上、左上和左四点的情况):(x-1,y+1)(x-1,y)(x-1,y-1)(x,y-1)这四点为当前点是被该四点包围,该点层数即四点层数最小值多一层;如果当前点 (x,y)为区域外,层数值赋为0;
第二步,倒序遍历图像,即从图像属性的bottom到top,right到left与第一步相似的判断每个点的状态,若当前点是区域内,判断其下包围情况(左下、下、右下和右四点的情况):(x+1,y-1)(x+1,y)(x+1,y+1)(x,y+1) 四点包围了当前点,同样取这四点层数的最小值加1作为该点层数值;如果当前点(x,y)为区域外,层数值赋为0;
已求得每一个点上包围层数值和下包围层数值,每个点的实际层数便是两种层数值中最小值;
M[x][y]=Mi n(F[x][y],G[x]F[y])
第三步,再次顺序遍历图像扫描每一个点,判断该点8方向范围内所有点层数的情况:如果当前点的层数值是周围相邻点中最大,该点即保留;如果当前点的层数值并非最大,该点即可删去;
M[x][y]=Max(M[x+i][y+i||(-1≤i≤1))Save:Delete
步骤S3:完整鳝鱼骨骼线提取:在细化结果的过滤掉转角等多余点后重新查找起始点和终结点后重新排序,其中,转角判断依据为8邻域内有效像素之和大于等于3,起始点和终结点判断依据为骨骼线8邻域内有效像素之和为2.,利用贝塞尔曲线方法补足细化的骨骼线与轮廓边缘的点得到一条完整贯穿头尾的骨骼线;
步骤S4:将鳝鱼图像的二值图近似的视为一管状物体,在鳝鱼图像从彩色图到二值图的过程中,由于光线以及鳝鱼表面黏液的反光等问题,在造成细微的凹陷情况时,通过闭合运算后消除;
细化算法可能在出现细化不彻底情况,对细化不彻底的部位进行过滤,删除多余的点,具体步骤如下:
1)遍历细化线Line1的点,查找八邻域内相邻像素个数为1的点,若该类型的点的总数为2个则执行下一步,若>2个则扩大二值图的闭运算步数后重做细化再次执行;
2)两点任意一点为起点Pstart,另一为终点Pena。将Pstart推入新的细化线Line2;
3)推出Line1中Pstart,由Pstart周围设计一个八邻域的滑窗,统计滑窗内包含的Line1上的点;若该类型的点的数量为1,则将该点记为Pnext,将 Pnext推入新的细化线Line2;重复执行步骤3;若该类型的点的数量为2,执行步骤4;
4)记两点为Pa和Pb,推出Line1中Pa和Pb,判断两点与Pnext之间距离较远的点推入Line2后继续执行步骤3:
Max(Distance(Pa,Pnext),Distance(Pb,Pnext))Save:Delete
此处距离公式用点的X,Y坐标的差值表示:
Distance(P,Pnext)=|P.X-Pnext.X|+|P.Y-Pnext.Y|
步骤S5:鳝鱼骨骼线的补足,快速细化算法得到的骨骼线的点均为鳝鱼轮廓内部的点,没有延展到鳝鱼轮廓,采用步骤S4中提取的Pstart与Pena作为中点,按Pstart的顺序Penc的逆序中心对称补点,直至新增的点在鳝鱼轮廓外,点是否包含在轮廓内使用Emgucv的PointPolygonTest判定;
步骤S6:鳝鱼图像归一化,按步骤S5提取骨骼线分别递归做顺时针方向与逆时针方向描线,直至新增描线全部点均在鳝鱼轮廓外,将的得到的骨骼线集合映射到一张新的图片。图片的高为骨骼线集合的数量,宽为骨骼线集合的最大长度;
步骤S7:算法效果评价;
步骤S8:鳝鱼长度分析结果,将步骤S5取得的完整骨骼线作为输入,代入采用最小二乘法拟合函数的换算公式将骨骼线像素个数还原到真实世界的鳝鱼长度;
步骤S9:鳝鱼表型分析结果,将步骤S6取得的归一化鳝鱼图像重新分析得到形态参数(长度,面积),颜色参数(RGB值),纹理参数(灰度共生矩阵)。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (3)
1.一种活体鳝鱼表型获取的方法,包括以下步骤:
步骤S1:图像采集:通过活体鳝鱼表型获取的装置拍摄鳝鱼若干照片;
步骤S2:图像细化算法:将一个图像中的黑色部分沿着它的中心轴线将其细化为一个像素宽的线条,保留图形中黑色部分的拓扑结构,并通过改进骨骼提取算法进行骨骼提取,快速细化图像;
快速细化算法步骤如下:
假设黑色值为1,白色为0;
第一步,顺序遍历图像,即从图像属性的top到bottom,left到right依次扫描每一个点,若当前点(x,y)为区域内时,需判断其右上、上、左上和左四点的情况:(x-1,y+1)(x-1,y)(x-1,y-1)(x,y-1),当前点被该四点包围,该点层数即四点层数最小值多一层;如果当前点(x,y)为区域外,层数值赋为0;
第二步,倒序遍历图像,即从图像属性的bottom到top,right到left与第一步相似的判断每个点的状态,若当前点是区域内,判断其下包围情况,左下、下、右下和右四点的情况分别为:(x+1,y-1)(x+1,y)(x+1,y+1)(x,y+1)四点包围了当前点,同样取这四点层数的最小值加1作为该点层数值;如果当前点(x,y)为区域外,层数值赋为0;
已求得每一个点上包围层数值和下包围层数值,每个点的实际层数便是两种层数值中最小值;
M[x][y]=Min(F[x][y],G[x][y])
第三步,再次顺序遍历图像扫描每一个点,判断该点8方向范围内所有点层数的情况:如果当前点的层数值是周围相邻点中最大,该点即保留;如果当前点的层数值并非最大,该点即可删去;
M[x][y]=Max(M[x+i][y+i]|(-1≤i≤1))Save:Delete
步骤S3:完整鳝鱼骨骼线提取:在细化结果的过滤掉转角的多余点后重新查找起始点和终结点后重新排序,其中,转角判断依据为八邻域内有效像素之和大于等于3,起始点和终结点判断依据为骨骼线八邻域内有效像素之和为2,利用贝塞尔曲线方法补足细化的骨骼线与轮廓边缘的点得到一条完整贯穿头尾的骨骼线;
步骤S4:将鳝鱼图像的二值图近似的视为一管状物体,在鳝鱼图像从彩色图到二值图的过程中,由于光线以及鳝鱼表面黏液的反光问题,在造成细微的凹陷情况时,通过闭运算后消除;
细化算法可能出现细化不彻底情况,对细化不彻底的部位进行过滤,删除多余的点,具体步骤如下:
1)遍历细化线Line1的点,查找八邻域内相邻像素个数为1的点,若该类型的点的总数为2个则执行下一步,若>2个则扩大二值图的闭运算步数后重做细化再次执行;
2)两点任意一点为起点Pstart,另一为终点Pend,将Pstart推入新的细化线Line2;
3)推出Line1中Pstart,由Pstart周围设计一个八邻域的滑窗,统计滑窗内包含的Line1上的点;若该类型的点的数量为1,则将该点记为Pnext,将Pnext推入新的细化线Line2;重复执行步骤3;若该类型的点的数量为2,执行步骤4;
4)记两点为Pa和Pb,推出Line1中Pa和Pb,判断两点与Pnext之间距离较远的点推入Line2后继续执行步骤3:
Max(Distance(Pa,Pnext),Distance(Pb,Pnext))Save:Delete
此处距离公式用点的X,Y坐标的差值表示:
Distance(P,Pnext)=|P.X-Pnext.X|+|P.Y-Pnext.Y|
步骤S5:鳝鱼骨骼线的补足,快速细化算法得到的骨骼线的点均为鳝鱼轮廓内部的点,没有延展到鳝鱼轮廓,采用步骤S4中提取的Pstart与Pend作为中点,按Pstart的顺序Pend的逆序中心对称补点,直至新增的点在鳝鱼轮廓外,点是否包含在轮廓内使用Emgucv的PointPolygonTest判定;
步骤S6:鳝鱼图像归一化,按步骤S5提取骨骼线分别递归做顺时针方向与逆时针方向描线,直至新增描线全部点均在鳝鱼轮廓外,将得到的骨骼线集合映射到一张新的图片,图片的高为骨骼线集合的数量,宽为骨骼线集合的最大长度;
步骤S7:算法效果评价;
步骤S8:鳝鱼长度分析结果,将步骤S5取得的完整骨骼线作为输入,代入采用最小二乘法拟合函数的换算公式将骨骼线像素个数还原到真实世界的鳝鱼长度;
步骤S9:鳝鱼表型分析结果,将步骤S6取得的归一化鳝鱼图像重新分析得到形态参数、颜色参数和纹理参数,其中形态参数为长度和面积、颜色参数为RGB值、纹理参数为灰度共生矩阵;
2.根据权利要求1所述的一种活体鳝鱼表型获取的方法,其特征在于,所述步骤S1中,所述的活体鳝鱼表型获取的装置的图像色彩空间为RGB,软件开发环境为VS平台下C#语言,图像处理库为Emgucv。
3.根据权利要求1所述的一种活体鳝鱼表型获取的方法,其特征在于,所述步骤S1中,每条鳝鱼不同体态拍摄多张照片,拍照角度为仰拍,拍摄光源为1°上仰角的平行光源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010739589.2A CN112514831B (zh) | 2020-07-28 | 2020-07-28 | 一种活体鳝鱼表型获取的装置与方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010739589.2A CN112514831B (zh) | 2020-07-28 | 2020-07-28 | 一种活体鳝鱼表型获取的装置与方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112514831A CN112514831A (zh) | 2021-03-19 |
CN112514831B true CN112514831B (zh) | 2022-06-10 |
Family
ID=74978663
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010739589.2A Active CN112514831B (zh) | 2020-07-28 | 2020-07-28 | 一种活体鳝鱼表型获取的装置与方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112514831B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636126A (zh) * | 2012-04-19 | 2012-08-15 | 中国水产科学研究院黑龙江水产研究所 | 一种仔鱼体长活体测量方法 |
CN202773758U (zh) * | 2012-05-31 | 2013-03-13 | 中国水产科学研究院长江水产研究所 | 鱼类野外活体拍照箱 |
CN105204272A (zh) * | 2015-10-28 | 2015-12-30 | 西华师范大学 | 数字化鱼类标本图像拍摄装置 |
CN206442949U (zh) * | 2017-01-20 | 2017-08-29 | 四川农业大学 | 一种用于鱼类自动拍照的水族箱 |
CN107765493A (zh) * | 2017-09-28 | 2018-03-06 | 中国水产科学研究院黑龙江水产研究所 | 一种野外拍摄鱼类的方法 |
CN108592803A (zh) * | 2018-07-27 | 2018-09-28 | 河南省水产科学研究院 | 一种透明双夹板鱼体表面图像采集系统 |
CN109389623A (zh) * | 2018-12-18 | 2019-02-26 | 玉林师范学院 | 一种鱼类活体的三维跟踪系统及其跟踪方法 |
CN109946902A (zh) * | 2019-04-02 | 2019-06-28 | 西藏自治区农牧科学院水产科学研究所 | 一种活体鱼标本拍摄装置及方法 |
CN110865163A (zh) * | 2019-11-29 | 2020-03-06 | 上海渔联网科技有限公司 | 水中监视鱼类行为活动和获取鱼类特征信息的装置与方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017146696A (ja) * | 2016-02-16 | 2017-08-24 | ソニー株式会社 | 画像処理装置、画像処理方法及び画像処理システム |
CN108519723B (zh) * | 2018-02-27 | 2019-09-24 | 浙江省海洋水产研究所 | 硬骨鱼类x光片拍摄固定装置 |
CN110298856B (zh) * | 2019-06-19 | 2023-03-21 | 江苏农林职业技术学院 | 一种鱼体长度非接触式估算方法 |
-
2020
- 2020-07-28 CN CN202010739589.2A patent/CN112514831B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102636126A (zh) * | 2012-04-19 | 2012-08-15 | 中国水产科学研究院黑龙江水产研究所 | 一种仔鱼体长活体测量方法 |
CN202773758U (zh) * | 2012-05-31 | 2013-03-13 | 中国水产科学研究院长江水产研究所 | 鱼类野外活体拍照箱 |
CN105204272A (zh) * | 2015-10-28 | 2015-12-30 | 西华师范大学 | 数字化鱼类标本图像拍摄装置 |
CN206442949U (zh) * | 2017-01-20 | 2017-08-29 | 四川农业大学 | 一种用于鱼类自动拍照的水族箱 |
CN107765493A (zh) * | 2017-09-28 | 2018-03-06 | 中国水产科学研究院黑龙江水产研究所 | 一种野外拍摄鱼类的方法 |
CN108592803A (zh) * | 2018-07-27 | 2018-09-28 | 河南省水产科学研究院 | 一种透明双夹板鱼体表面图像采集系统 |
CN109389623A (zh) * | 2018-12-18 | 2019-02-26 | 玉林师范学院 | 一种鱼类活体的三维跟踪系统及其跟踪方法 |
CN109946902A (zh) * | 2019-04-02 | 2019-06-28 | 西藏自治区农牧科学院水产科学研究所 | 一种活体鱼标本拍摄装置及方法 |
CN110865163A (zh) * | 2019-11-29 | 2020-03-06 | 上海渔联网科技有限公司 | 水中监视鱼类行为活动和获取鱼类特征信息的装置与方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112514831A (zh) | 2021-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104677305B (zh) | 一种基于十字结构光的物体表面三维重建方法和系统 | |
CN108416766B (zh) | 双侧入光式导光板缺陷视觉检测方法 | |
CN111915704A (zh) | 一种基于深度学习的苹果分级识别方法 | |
CN109886965B (zh) | 一种水平集和深度学习相结合的视网膜层分割方法及系统 | |
CN107169475A (zh) | 一种基于kinect相机的人脸三维点云优化处理方法 | |
CN104598907B (zh) | 一种基于笔画宽度图的图像中文字数据提取方法 | |
CN110070571B (zh) | 一种基于深度相机的毛竹形态参数检测方法 | |
CN108133216A (zh) | 基于机器视觉的可实现小数点读取的数码管读数识别方法 | |
CN108830856A (zh) | 一种基于时间序列sd-oct视网膜图像的ga自动分割方法 | |
CN111724354B (zh) | 一种基于图像处理的多株小麦穗长与小穗数的测量方法 | |
CN111223110A (zh) | 一种显微图像增强方法、装置及计算机设备 | |
CN109191461A (zh) | 一种基于机器视觉技术的土鸡蛋识别方法及识别装置 | |
CN114659463B (zh) | 一种植物表型采集装置及其采集方法 | |
CN112514831B (zh) | 一种活体鳝鱼表型获取的装置与方法 | |
CN113518182B (zh) | 一种基于树莓派的黄瓜表型特征测量方法 | |
CN111325754A (zh) | 一种基于ct序列图像的腰椎骨自动定位方法 | |
CN113237896B (zh) | 一种基于光源扫描的家具板材动态监测系统及方法 | |
CN108363986B (zh) | 基于改进Sobel算子的人脸速写系统和轮廓提取方法 | |
JP2672509B2 (ja) | カメラモデルの自動キャリブレーション方法およびその装置 | |
CN110349171B (zh) | 一种基于灰度中值的脊柱侧弯背部轮廓曲线提取方法 | |
JP6338234B2 (ja) | 領域分け方法、領域分けプログラム及び画像処理システム | |
CN113222889A (zh) | 高分辨率图像下水产养殖物的工厂化养殖计数方法及装置 | |
CN107239761A (zh) | 基于骨架角点检测的果树拉枝效果评价方法 | |
CN113145473A (zh) | 一种水果智能分拣系统及方法 | |
CN114037832B (zh) | 一种卫星遥感图像中典型区域的提取方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |