馬國(guó)強(qiáng)1,，田云臣1,2，李曉嵐1
　?。?．天津農(nóng)學(xué)院 計(jì)算機(jī)與信息工程學(xué)院,，天津 300384；2．天津市水產(chǎn)生態(tài)與養(yǎng)殖重點(diǎn)實(shí)驗(yàn)室,，天津 300384）

       摘要：對(duì)工廠化水產(chǎn)養(yǎng)殖來(lái)說(shuō),，生產(chǎn)過(guò)程中的活魚(yú)分級(jí)、分塘環(huán)節(jié)十分關(guān)鍵,，非接觸式,、無(wú)傷害一直是追求的目標(biāo)。通過(guò)數(shù)字圖像處理技術(shù),，得到窄體舌鰨扁平面不規(guī)則圖像并測(cè)算了其面積,。采用一元線性回歸模型，分析了魚(yú)的重量和扁平面面積的關(guān)系,，實(shí)驗(yàn)結(jié)果表明,，二者存在著一定的線性關(guān)系,，相關(guān)系數(shù)為0.380 7。下一步的研究需要考慮到不同生長(zhǎng)階段的舌鰨魚(yú)體厚度等因素影響,，找出二者之間更準(zhǔn)確的模型關(guān)系,，為非接觸式測(cè)量重量和分級(jí)提供支持。
　　關(guān)鍵詞：水產(chǎn)養(yǎng)殖,；圖像處理,；面積測(cè)量　　

0引言
　　近年來(lái)，伴隨社會(huì)經(jīng)濟(jì)的發(fā)展,，人們?cè)谌粘Ｉ铒嬍诚M(fèi)中,，對(duì)水產(chǎn)品尤其是高檔海水養(yǎng)殖的水產(chǎn)品需求越來(lái)越大。與此同時(shí),，海水工廠化水產(chǎn)養(yǎng)殖的供給量已經(jīng)超過(guò)海水捕撈的供給量,，成為水產(chǎn)業(yè)的重要生產(chǎn)方式。
　　窄體舌鰨俗名舌鰨,、鞋底魚(yú),，舌鰨科，屬于暖溫帶淺海底層魚(yú),，是海洋名貴經(jīng)濟(jì)魚(yú)類之一,。舌鰨科的魚(yú)廣泛分布于熱帶與溫帶海域，我國(guó)已知有2亞科,、4屬、23種,。
　　在水產(chǎn)工廠化養(yǎng)殖技術(shù)的發(fā)展過(guò)程中,，科技人員不斷探索各種新技術(shù)以實(shí)現(xiàn)更高層次的智能化養(yǎng)殖模式。計(jì)算機(jī)視覺(jué)技術(shù)就是其中很重要的領(lǐng)域,。史兵［1］設(shè)計(jì)了一種利用數(shù)字圖像處理技術(shù)對(duì)養(yǎng)殖現(xiàn)場(chǎng)中魚(yú)類生長(zhǎng)情況實(shí)現(xiàn)監(jiān)控的系統(tǒng),。馮子慧［2］設(shè)計(jì)和實(shí)現(xiàn)了水產(chǎn)養(yǎng)殖病害動(dòng)態(tài)圖像的采集和遠(yuǎn)程傳輸，并能進(jìn)行實(shí)時(shí)溝通,，及時(shí)反饋診斷結(jié)果,。劉星橋［3］利用計(jì)算機(jī)數(shù)字圖像處理技術(shù),應(yīng)用MATLAB 軟件強(qiáng)大的圖像處理功能,實(shí)時(shí)監(jiān)視池塘現(xiàn)場(chǎng)的情況,經(jīng)過(guò)計(jì)算機(jī)的處理,分析現(xiàn)場(chǎng)情況,使魚(yú)類生長(zhǎng)情況始終處于控制之中。還可以建立監(jiān)控畫(huà)面,進(jìn)行實(shí)時(shí)視頻監(jiān)控,以早期發(fā)現(xiàn)魚(yú)類生長(zhǎng)過(guò)程中的魚(yú)變等變異情況,。張志強(qiáng)［4］將鯰魚(yú),、鯽魚(yú)、鳊魚(yú),、鯉魚(yú)作為研究對(duì)象,，通過(guò)對(duì)魚(yú)圖像的分析和處理，對(duì)淡水魚(yú)識(shí)別的成功率高達(dá)96.7%,。DUAN Y等人［5］利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)大西洋黑線鱈魚(yú)和大西洋鱈魚(yú)兩種活魚(yú)卵進(jìn)行了計(jì)數(shù)實(shí)驗(yàn),，與人工計(jì)數(shù)相比，平均計(jì)數(shù)誤差的假陽(yáng)性為6%，假陰性為2%,。這表明,，該方法是客觀的，準(zhǔn)確的,。Liu Huanyu等人［6］使用帶LED燈水下攝像機(jī)獲得的罐底剩余的魚(yú)食顆粒圖像,，再使用圖像處理技術(shù)，對(duì)養(yǎng)殖池底的剩余魚(yú)食顆粒圖像進(jìn)行分析,，計(jì)算出顆粒的剩余量,，減少魚(yú)食浪費(fèi)，一方面可以避免剩余魚(yú)食對(duì)水質(zhì)的污染,，另一方面可以降低飼料成本,。WU T H等人［7］為水產(chǎn)飼喂決策開(kāi)發(fā)了一套自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS), 使用一個(gè)簡(jiǎn)單的循環(huán)水養(yǎng)殖池中飼養(yǎng)的銀鱸作實(shí)驗(yàn),通過(guò)測(cè)量池中的溶解氧含量，開(kāi)發(fā)一個(gè)模糊邏輯控制器FLC,。在模糊邏輯控制器的等價(jià)ANFIS中,，設(shè)置兩個(gè)語(yǔ)言學(xué)變量來(lái)描述魚(yú)群的覓食的狀態(tài)，建立由15個(gè)規(guī)則構(gòu)成的規(guī)則庫(kù),。使用一種基于人工神經(jīng)網(wǎng)絡(luò)的模糊邏輯技術(shù)的復(fù)合式學(xué)習(xí)方法,，快速對(duì)語(yǔ)言變量建立模型和評(píng)價(jià)其相對(duì)貢獻(xiàn)，得到的ANFIS模型非常接近魚(yú)類的實(shí)際覓食行為,。Liu Ziyi等人［8］介紹了使用計(jì)算機(jī)視覺(jué)測(cè)量大西洋鮭魚(yú)的覓食行為的一個(gè)方法,。使用CCD相機(jī)記錄了大西洋鮭魚(yú)在飼養(yǎng)箱里的覓食行為，使用魚(yú)運(yùn)動(dòng)的幀差進(jìn)行覓食行為分析,，定義了基于計(jì)算機(jī)視覺(jué)和給定時(shí)間段的攝食活動(dòng)指數(shù)作為測(cè)量指標(biāo)cvfai,。為了評(píng)估cvfai的可靠性，定義了人工觀察的攝食行為因子,，隨時(shí)進(jìn)行記錄,。實(shí)驗(yàn)表明，這兩種因子成線性關(guān)系,，相關(guān)系數(shù)為0.919 5,。
　　PAPADAKIS V M等人［9］設(shè)計(jì)了一種可在亞秒（1/10 s）級(jí)對(duì)魚(yú)類行為視頻進(jìn)行拍攝、傳輸,、存儲(chǔ)的計(jì)算機(jī)視覺(jué)系統(tǒng),。該系統(tǒng)的3個(gè)工作站每天產(chǎn)生30 GB的視頻數(shù)據(jù)。
　　本文首先使用電子天平對(duì)單條窄體舌鰨稱重,，并利用數(shù)字圖像獲取和處理技術(shù)得到窄體舌鰨扁平面的二值化圖像,；然后，通過(guò)與標(biāo)準(zhǔn)物件像素?cái)?shù)的對(duì)比,，計(jì)算窄體舌鰨扁平面不規(guī)則圖像的面積,；最后,，計(jì)算舌鰨重量和扁平面面積的一元線性回歸模型，計(jì)算相關(guān)系數(shù),，分析相關(guān)性,。實(shí)驗(yàn)結(jié)果表明，相關(guān)系數(shù)為0.380 7,，二者具有一定的相關(guān)性,。
1不規(guī)則面積圖像測(cè)量
　　圖像測(cè)量是指對(duì)圖像中目標(biāo)或區(qū)域的特征進(jìn)行測(cè)量和估計(jì)。廣義的圖像測(cè)量包括對(duì)圖像的灰度特征,、紋理特征和幾何特征的測(cè)量和描述,。狹義圖像測(cè)量?jī)H指對(duì)圖像目標(biāo)幾何特征的測(cè)量,比如長(zhǎng)度、區(qū)域面積,、歐氏距離,、街區(qū)距離、棋盤(pán)距離以及空間關(guān)系等［10］,。
　　圖像測(cè)量的一般步驟包括原始圖像獲取,、圖像增強(qiáng)、圖像復(fù)原,、圖像分割,、待測(cè)量的目標(biāo)區(qū)域圖像提取，然后進(jìn)行目標(biāo)區(qū)域圖像的相關(guān)特征測(cè)量,。
　　本研究的圖像處理步驟如下,。
　　1.1原始圖像獲取
　　圖像獲取是指通過(guò)圖像獲取設(shè)備得到現(xiàn)實(shí)世界中物體的數(shù)字圖像的過(guò)程。簡(jiǎn)單地說(shuō),，就是使用掃描儀,、數(shù)碼相機(jī)等圖像獲取設(shè)備得到數(shù)碼照片文件的過(guò)程。一般來(lái)說(shuō),，圖像獲取設(shè)備的性能和采集圖像的環(huán)境是影響數(shù)字圖像質(zhì)量的重要因素［1112］。
　　圖像分辨率和色彩位數(shù)是決定圖像質(zhì)量的重要參數(shù),。這里采用1 600萬(wàn)像素的數(shù)碼相機(jī)獲取24位真彩圖像,。
　　1.2圖像轉(zhuǎn)換
　　圖像轉(zhuǎn)換是指通過(guò)計(jì)算公式，將真彩圖像的RGB值轉(zhuǎn)換為灰度圖像的灰度值,。具體來(lái)說(shuō),，就是根據(jù)經(jīng)驗(yàn)公式(1)，將每個(gè)真彩像素點(diǎn)的RGB值轉(zhuǎn)換為該像素點(diǎn)的灰度值,。這樣,，對(duì)整幅圖像來(lái)說(shuō)，就從真彩圖像轉(zhuǎn)換成了灰度圖像,。
　　

　　1.3圖像增強(qiáng)
　　圖像增強(qiáng)的目的是改善圖像的視覺(jué)效果,，針對(duì)給定圖像的應(yīng)用場(chǎng)合,，有目的地強(qiáng)調(diào)圖像的整體或局部特性，將原來(lái)不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征,，擴(kuò)大圖像中不同物體特征之間的差別,，抑制不感興趣的特征，以改善圖像質(zhì)量,，豐富信息量,，加強(qiáng)圖像判讀和識(shí)別效果，滿足某些特殊分析的需要,。
　　從技術(shù)上來(lái)說(shuō)圖像增強(qiáng)可以分為兩大類：空間域圖像增強(qiáng)和頻域圖像增強(qiáng),。其中空間域圖像增強(qiáng)是指直接對(duì)圖像的像素進(jìn)行處理，也就是改變圖像中像素的灰度值［13］,。線性灰度變換就是最常用的一種空間域圖像增強(qiáng)方法,。
　　假定原圖像f(x,y)的灰度范圍為［a,b］，經(jīng)過(guò)線性變換后,，輸出圖像的灰度范圍為［c,d］,，則該線性變換公式可表示為：
　　

　　如果數(shù)字圖像的灰度范圍為0~M，但是大部分像素的灰度值落在［a,b］內(nèi),，只有很小部分像素的灰度值不在該區(qū)間內(nèi),，用式（2）一般不能得到很好的效果。為了改善增強(qiáng)圖像的視覺(jué)效果,，用下式進(jìn)行增強(qiáng)：
　　

　　該方法將灰度值小于a的像素的灰度值全部映射為c,，將灰度值大于b的像素的灰度值全部映射為d。很明顯,，增強(qiáng)后的圖像損失了灰度值小于a和大于b的信息,。
　　1.4圖像分割
　　圖像分割就是把圖像分成若干個(gè)特定的、具有獨(dú)特性質(zhì)的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過(guò)程,。它是從圖像處理到圖像分析的關(guān)鍵步驟?，F(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區(qū)域的分割方法,、基于邊緣的分割方法以及基于特定理論的分割方法等,。
　　閾值分割是一種簡(jiǎn)單有效的圖像分割方法，尤其是針對(duì)圖像中只有目標(biāo)和背景兩類像素的灰度圖像,。該方法用一個(gè)或幾個(gè)閾值將圖像的灰度級(jí)分為幾部分,，將隸屬于同一部分的像素視為相同的區(qū)域。
　　最大類間方差法是閾值分割的典型算法,，也稱為OSTU閾值法,。其基本思想和計(jì)算方法如下。
　　(1)把一幅數(shù)字圖像f(x,y)中的像素按灰度級(jí)用閾值T分為C0和C1類,，即灰度值小于等于T的歸為一類,，大于T的歸為另一類,。
　　

　　其中，fmin,、fmax分別為圖像f(x,y)中灰度的最小值和最大值,。
　　(2)計(jì)算各灰度值出現(xiàn)的概率。
　　設(shè)Ni是灰度值為i(fmin≤i≤fmax)的像素?cái)?shù),，則圖像f(x,y)總的像素?cái)?shù)為N=∑iNi,，因此，各灰度級(jí)出現(xiàn)的概率為P(i)=NiN,，則C0出現(xiàn)的總概率為：
　　
　　C1出現(xiàn)的總概率為 ：
   　

　　(3)計(jì)算均值,。
　　C0的均值為：
　　

　　C1的均值為：
　　

　　圖像f(x,y)的均值為:
　　

　　(4)計(jì)算兩類的類間方差。
　　定義兩類的類間方差為：
　　

　　最大類間方差把兩類的類間方差作為閾值選擇的判斷依據(jù),，認(rèn)為最好的閾值T*應(yīng)該是使類間方差σ2(T)取得最大值時(shí)的閾值,，即:
　　

　　該算法的優(yōu)點(diǎn)是計(jì)算簡(jiǎn)單，穩(wěn)定有效,，適用性比較強(qiáng),，尤其是當(dāng)圖像中目標(biāo)與背景的灰度值之比較大時(shí)，分割效果很好,。
　　1.5圖像二值化
　　在數(shù)字圖像處理中,，二值圖像占有非常重要的地位。圖像的二值化有利于圖像的進(jìn)一步處理,，使圖像變得簡(jiǎn)單,，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)的輪廓,。具體來(lái)說(shuō),，圖像二值化是指根據(jù)圖像分割計(jì)算得到的閾值T，將圖像中所有灰度大于閾值的像素判定為屬于特定物體,，其灰度值為0（黑色）,，否則將這些像素點(diǎn)排除在物體區(qū)域以外，灰度值為255（白色）,，表示背景或者例外的物體區(qū)域,。利用公式(13)可以將灰度圖像g(x,y)轉(zhuǎn)換為二值圖像b(x,y)。
　　

　　1.6目標(biāo)區(qū)域圖像提取
　　經(jīng)過(guò)上述圖像處理步驟,，可以確定二值圖像中黑色部分為目標(biāo)區(qū)域，即灰度值為0的像素構(gòu)成了目標(biāo)區(qū)域圖像,。這樣,，目標(biāo)區(qū)域圖像提取就變得十分簡(jiǎn)單了，直接判定灰度值為0的像素構(gòu)成了目標(biāo)區(qū)域,。
　　1.7不規(guī)則目標(biāo)區(qū)域圖像面積計(jì)算
　　不規(guī)則目標(biāo)區(qū)域圖像面積的計(jì)算,，一種簡(jiǎn)單有效的方法是定標(biāo)法,，即總面積的計(jì)算可以通過(guò)目標(biāo)區(qū)域總的像素個(gè)數(shù)乘以單個(gè)像素對(duì)應(yīng)的面積得到［14］。在求取目標(biāo)區(qū)域總像素個(gè)數(shù)的時(shí)候,，在所測(cè)目標(biāo)區(qū)域同一個(gè)視野內(nèi)放置一個(gè)已知面積的標(biāo)準(zhǔn)物件,，由該標(biāo)準(zhǔn)物件的面積除以圖像中該標(biāo)準(zhǔn)物件的總像素?cái)?shù)，得到單個(gè)像素代表的面積,。比如使用一元硬幣作為標(biāo)準(zhǔn)物件,，其直徑為25 mm，面積為4.91 cm2,。
　　

　　這里,，標(biāo)準(zhǔn)物件面積=4.91 cm2。
　　綜上所述,，不規(guī)則目標(biāo)區(qū)域圖像面積測(cè)量方法的總體流程如圖1所示,。
　　

2基于不規(guī)則面積圖像測(cè)量的窄體舌鰨個(gè)體重量估計(jì)方法
　　窄體舌鰨體型扁平，呈長(zhǎng)舌狀,。假定窄體舌鰨個(gè)體重量與其身體的扁平面面積成線性關(guān)系,，采用一元線性回歸分析來(lái)計(jì)算窄體舌鰨個(gè)體重量和身體的扁平面面積之間的關(guān)系。
　　2.1一元線性回歸分析
　　回歸分析是確定兩種或兩種以上變量間相互依賴的定量關(guān)系的一種統(tǒng)計(jì)分析方法,，應(yīng)用十分廣泛,。含有一個(gè)自變量和一個(gè)因變量，且二者的關(guān)系可用一條直線近似表示,，這種回歸分析稱為一元線性回歸分析,，模型為y︿=a+bx。
　　線性回歸的任務(wù)是根據(jù)實(shí)際測(cè)得的數(shù)據(jù)求出回歸系數(shù)a和b的估計(jì)量a︿和b︿,。
　　回歸直線的斜率b︿和截距a︿計(jì)算公式如下：
　　

　　相關(guān)系數(shù)r計(jì)算公式如下：
   　

　　2.2變量的設(shè)定
　　根據(jù)公式(17)~(18),，這里設(shè)y表示窄體舌鰨個(gè)體重量，是因變量,；x表示窄體舌鰨個(gè)體扁平面面積,，是自變量。實(shí)驗(yàn)的目標(biāo)是,，根據(jù)實(shí)際測(cè)得的重量和面積數(shù)據(jù)求出回歸系數(shù)a和b的估計(jì)量a︿和b︿,。并計(jì)算y和x的相關(guān)系數(shù)。
3實(shí)驗(yàn)與分析
　　首先,，實(shí)驗(yàn)選用從市場(chǎng)上購(gòu)買的窄體舌鰨保鮮魚(yú)作為測(cè)試對(duì)象,，使用電子秤稱重（精確到0.1 g）；其次,，使用普通USB攝像頭連接計(jì)算機(jī)同時(shí)拍攝單條魚(yú)和一元硬幣圖像,，再使用MATLAB作為圖像處理軟件，得到窄體舌鰨魚(yú)體目標(biāo)區(qū)域和一元硬幣目標(biāo)區(qū)域,；第三步,，根據(jù)一元硬幣的面積和圖像區(qū)域求出單個(gè)像素代表的面積,，進(jìn)而計(jì)算出窄體舌鰨圖像區(qū)域的面積；最后,，利用一元線性回歸方法分析窄體舌鰨的扁平面面積和其重量的關(guān)系,，并計(jì)算相關(guān)系數(shù)，分析其相關(guān)性,。
　　3.1實(shí)驗(yàn)用魚(yú)及稱重
　　實(shí)驗(yàn)共選用50條完整無(wú)破損,、大小不等的窄體舌鰨保鮮魚(yú)。使用天津市天平儀器有限公司生產(chǎn)的TD6001型電子天平進(jìn)行稱重,，精度為0.1 g,。
　　3.2攝像頭和圖像采集系統(tǒng)
　　攝像頭選用奧尼（aoni）百腦通 D881HD720P 高清網(wǎng)絡(luò)攝像頭，CMOS傳感器,，硬件像素100萬(wàn),，分辨率為1 280×720；使用實(shí)驗(yàn)室用三腳架作為拍攝支架,；使用白色亞克力板作為三腳架的底板,；使用Windwos 7系統(tǒng)自帶的ECap(1.0.1.4)視頻捕捉軟件作為圖像采集軟件。圖像采集部分硬件如圖2所示,。
　　

　　3.3圖像處理軟件和算法程序
　　圖像處理軟件使用MATLAB 2015b,。MATLAB自帶了圖像處理（Image Processing）和計(jì)算機(jī)視覺(jué)（Computer Vision）工具箱，工具箱中提供了大量相關(guān)函數(shù),。本文中的圖像處理程序都是基于工具箱中的函數(shù)編寫(xiě)的,。用到的圖像處理函數(shù)有圖像增強(qiáng)函數(shù)imadjust()、全局閾值計(jì)算函數(shù)graythresh(),、圖像二值化函數(shù)im2bw(),、目標(biāo)區(qū)域圖像像素點(diǎn)計(jì)算函數(shù)numel()和find()等。
　　3.4魚(yú)體扁平面面積計(jì)算
　　當(dāng)一幅圖像經(jīng)過(guò)上述處理后,，首先計(jì)算圖像中一元硬幣的像素?cái)?shù)N一元硬幣,，然后根據(jù)公式(14)得到S單個(gè)像素面積，再根據(jù)公式(14)求得圖像中單條窄體舌鰨魚(yú)的扁平面面積,。
　　3.5圖像和數(shù)據(jù)
　　原始真彩圖像,、二值化圖像如圖3所示。
　　

　　圖像中一元硬幣（標(biāo)準(zhǔn)物件）的像素?cái)?shù)和每條魚(yú)的像素?cái)?shù)以及計(jì)算后每條魚(yú)的扁平面面積見(jiàn)表1（第1~10幅圖像的數(shù)據(jù)）,。

       3.6一元線性回歸分析
　　由50條窄體舌鰨魚(yú)的圖像分析數(shù)據(jù),，根據(jù)公式(16)~(18)得到一元線性回歸經(jīng)驗(yàn)公式為：y︿=a︿x+b︿=0.004x+70.39，r=0.380 7,。窄體舌鰨扁平面面積和重量關(guān)系如圖4所示,。
　　

　　從分析數(shù)據(jù)可知，窄體舌鰨個(gè)體重量與其扁平面面積存在一定的相關(guān)性，相關(guān)系數(shù)為0.380 7,，但是相關(guān)性較弱。造成相關(guān)性不夠強(qiáng),，可能有若干方面的原因：一是線性相關(guān)假設(shè)是否符合魚(yú)類生長(zhǎng)的實(shí)際情況,，比如不同生長(zhǎng)階段的窄體舌鰨，魚(yú)體厚度不一樣,；二是保鮮魚(yú)體內(nèi)的含水量不同等,；三是實(shí)驗(yàn)用魚(yú)數(shù)量過(guò)少造成的抽樣誤差過(guò)大。這些都有待于進(jìn)一步研究,。
4結(jié)論
　　本文提出了一種利用圖像處理技術(shù),，通過(guò)測(cè)量舌鰨扁平面面積，估計(jì)其重量的新方法,。實(shí)驗(yàn)結(jié)果表明,，該方法具有一定的可行性，但準(zhǔn)確性有待提高,。需要進(jìn)一步研究擬合度更高的相關(guān)模型公式,，為養(yǎng)殖過(guò)程中活魚(yú)的非接觸式分塘、分級(jí)提供支持,。
　　參考文獻(xiàn)
　?。?］ 史兵,趙德安,謝代峰.計(jì)算機(jī)圖像處理技術(shù)在水產(chǎn)養(yǎng)殖業(yè)中的應(yīng)用［J］.微型機(jī)與應(yīng)用,2004,23(7):4648.
　　［2］ 馮子慧,王麗娟,楊晶瑩,等.水產(chǎn)養(yǎng)殖病害遠(yuǎn)程動(dòng)態(tài)圖像采集與傳輸系統(tǒng)的組成及實(shí)現(xiàn)［J］. 水產(chǎn)科技情報(bào),2014,41(4):180183.
　?。?］ 劉星橋,李娟,張如通.MATLAB圖像處理在水產(chǎn)養(yǎng)殖中的應(yīng)用［J］. 微計(jì)算機(jī)信息,2006,22(113):300302.
　?。?］ 張志強(qiáng). 基于機(jī)器視覺(jué)的淡水魚(yú)品種識(shí)別及重量預(yù)測(cè)研究［D］. 武漢:華中農(nóng)業(yè)大學(xué)，2011.
　?。?］ DUAN Y, STIEN L H, THORSEN Anders, et al. An automatic counting system for transparent pelagicfish eggs based on computer vision［J］. Aquacultural Engineering,2015,67:813.［6］ Liu Huanyu, Xu Lihong, Li Dawei. Detection and recognition of uneaten fish food pellets in aquaculture using image processing［J］. Proceedings of the SPIE,Sixth International Conference on Graphic and Image Processing (ICGIP 2014), 2015,9443.
　?。?］  WU T H, HUANG Y I, CHEN J M. Development of an adaptive neuralbased fuzzy inference system forfeeding decisionmaking assessment in silver perch (Bidyanusbidyanus) culture［J］. Aquacultural Engineering, 2015,66:4151.
　　［8］ Liu Ziyi, Li Xian, Fan Liangzhong, et al. Measuring feeding activity of fish in RAS using computer vision［J］. Aquacultural Engineering,2014,60:2027.
　?。?］ PAPADAKIS V M, GLAROPOULOS A, KENTOURI M. Subsecond analysis of fish behavior using a novelcomputervision system［J］. Aquacultural Engineering,2014,62:3641.
　?。?0］ 圖像測(cè)量［EB/OL］.（20101010）［20160328］http://baike.baidu.com/link?url=A7bWim7JKhrAxuBLPqtGF59NAtuZNxDcIg 2AHi3IujBn6Zp3IjTm3soo7TNKXzqRmMhgXPcyyjIbhZuRM3 Aq.
　　［11］童剛,朱鴻博. 圖像處理在紅綠燈判別中的應(yīng)用［J］. 微型機(jī)與應(yīng)用,2013,32(4):8890,93.
　?。?2］李靖宇,穆偉斌,金成,等. 圖像分割在醫(yī)學(xué)圖像處理中的應(yīng)用研究［J］. 微型機(jī)與應(yīng)用,2012,31(8):2931.
　?。?3］ 劉剛. MATLAB數(shù)字圖像處理［M］. 北京：機(jī)械工業(yè)出版社, 2010.
　　［14］ Wang Weihua, Zhang Fang, Wang Weiqing. Image area measurement based on horizontal scan line［J］. International Journal of Intelligent Information Technology Application,2009,2(1):811.