一种采用PSO-OS-ELM图像处理的螃蟹体重测量设备制造技术

一种采用PSO

【技术实现步骤摘要】
一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备


[0001]本专利技术涉及一种水产品测量设备，具体地说涉及一种用CCD相机拍摄获取不同生长情况下的螃蟹图像，螃蟹图像采用计算机图像处理技术对图像进行分割处理，采用粒子群算法优化的在线极限序列学习机建立螃蟹的体重回归预测模型的一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备。

技术介绍

[0002]现在农村养殖大量的螃蟹，现有技术还没有以螃蟹为研究对象，利用图像处理技术对螃蟹进行测量的设备，因此农户只能依靠原始的手工摸和目测来判断螃蟹的生长是否成熟，这样原始的方法很落后，效果很差。

技术实现思路

[0003]本专利技术的目的是克服现有技术的不足之处，提供一种用CCD相机拍摄获取不同生长情况下的螃蟹图像，螃蟹图像采用计算机图像处理技术对图像进行分割处理，采用粒子群算法优化的在线极限序列学习机建立螃蟹的体重回归预测模型的一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备。
[0004]本专利技术解决其技术问题所采用的技术方案是：一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备，CCD相机拍摄获取不同生长情况下的螃蟹图像，螃蟹图像采用计算机图像处理技术对图像进行分割处理，计算获得螃蟹的投影面积、全甲宽与甲长参数，利用螃蟹图像获取的尺寸参数对螃蟹体重进行预测，通过Pearson相关系数测得螃蟹投影面积、全甲宽、甲长与体重具有正相关性的参数，采用粒子群算法优化的在线极限序列学习机建立螃蟹的体重回归预测模型。计算机图像处理技术是获取到螃蟹视频图像数据集，构建螃蟹的不同状态下的图形数据库，将视频图像转化成静态图像，对图像进行清洗，筛选掉效果较差的数据，选取效果较好的若干张图像进行图像处理，图像处理用OpenCV来实现，针对螃蟹投影面积采取不同的分割方案，分割之后进行灰度处理，分割后的图像主要为彩色目标与白色背景，采取阈值分割的方法，图像在分割与二值化后要进行形态学处理，包括膨胀、腐蚀、去除内部粒子与内孔，处理得到螃蟹的二值图像，最终根据图像处理的特征计算螃蟹投影面积、全甲宽与甲长的尺寸参数。
[0005]本专利技术的有益效果是，一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备，将训练好的PSO
‑
OS
‑
ELM进行在线应用，能够很好的对螃蟹的体重进行预测，同时能够很好的给养殖人员和销售人员提供信息，进而能够对螃蟹的生长质量和销售进行分类控制，进行价值估算，提前获得信息，避免造成经济损失。
附图说明
[0006]下面结合附图和实施例对本专利技术进一步说明。
[0007]图1是本专利技术的实施例一的螃蟹体重测量实施流程图。
[0008]图2是本专利技术的实施例一的螃蟹体重测量模型构建图。
具体实施方式
[0009]实施本专利技术的一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备，CCD相机拍摄获取不同生长情况下的螃蟹图像，螃蟹图像采用计算机图像处理技术对图像进行分割处理，计算获得螃蟹的投影面积、全甲宽与甲长参数，利用螃蟹图像获取的尺寸参数对螃蟹体重进行预测，通过Pearson相关系数测得螃蟹投影面积、全甲宽、甲长与体重具有正相关性的参数，采用粒子群算法优化的在线极限序列学习机建立螃蟹的体重回归预测模型。
[0010]实施本专利技术的一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备，计算机图像处理技术是获取到螃蟹视频图像数据集，构建螃蟹的不同状态下的图形数据库，将视频图像转化成静态图像，对图像进行清洗，筛选掉效果较差的数据，选取效果较好的若干张图像进行图像处理，图像处理用OpenCV来实现，针对螃蟹投影面积采取不同的分割方案，分割之后进行灰度处理，分割后的图像主要为彩色目标与白色背景，采取阈值分割的方法，图像在分割与二值化后要进行形态学处理，包括膨胀、腐蚀、去除内部粒子与内孔，处理得到螃蟹的二值图像，最终根据图像处理的特征计算螃蟹投影面积、全甲宽与甲长的尺寸参数。
[0011]实施本专利技术的一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备，螃蟹的体重回归预测模型是螃蟹实际体重测量采用精度为0.1g的电子秤，对经过图像处理的螃蟹进行量测，构建螃蟹重量的数据集，对数据集中不符合实际重量的数据进行清洗，继而构建预测模型，将图像处理得到的螃蟹特征数据作为神经网络的输入，将对应数据集中的体重作为神经网络的输出，采用有监督学习模型，利用粒子群算法(PSO)优化神经网络(OS
‑
ELM)的权重参数，以此达到网络权重的快速寻优和预测结果的准确度，提高系统的高性能和高可用性。
[0012]实施本专利技术的一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备，以螃蟹为研究对象，利用图像处理技术对其进行测量。通过CCD相机获取不同生长情况下的螃蟹图像，采用图像处理技术对图像进行分割处理，计算获得螃蟹的投影面积、全甲宽与甲长参数；利用图像获取的尺寸参数对螃蟹体重进行预测，通过Pearson相关系数测得螃蟹投影面积、全甲宽、甲长与体重具有正相关性；因此采用粒子群算法(PSO)优化的在线极限序列学习机(OS
‑
ELM)建立螃蟹的体重回归预测模型。
[0013]实施本专利技术的一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备，对于图像处理部分，首先获取到螃蟹视频图像数据集，构建螃蟹的不同状态下的图形数据库，将视频图像转化成静态图像，对图像进行清洗，筛选掉效果较差的数据，选取效果较好的若干张图像进行图像处理。图像处理利用OpenCV来实现，主要是针对螃蟹投影面积采取不同的分割方案，分割之后进行灰度处理，由于分割后的图像主要为彩色目标与白色背景，因此采取阈值分割能够达到较好的分割效果，且方法简单；图像在分割与二值化后还需要进行一定的形态学处理，包括膨胀、腐蚀、去除内部粒子与内孔，处理得到螃蟹最后二值图像，最终根据图像处理的特征计算螃蟹投影面积、全甲宽与甲长等尺寸参数。
[0014]实施本专利技术的一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备，对于预测模型部分，螃蟹实际体重测量采用精度为0.1g的电子秤，对经过图像处理的螃蟹进行量测，构建螃蟹重量的数据集，对数据集中不符合实际重量的数据进行清洗，继而构建预测模型，将图像处理得到的螃蟹特征数据作为神经网络的输入，将对应数据集中的体重作为神经网络的
输出，采用有监督学习模型，利用粒子群算法(PSO)优化神经网络(OS
‑
ELM)的权重参数，以此达到网络本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备，包括CCD相机，其特征在于，所述CCD相机拍摄获取不同生长情况下的螃蟹图像，螃蟹图像采用计算机图像处理技术对图像进行分割处理，计算获得螃蟹的投影面积、全甲宽与甲长参数，利用螃蟹图像获取的尺寸参数对螃蟹体重进行预测，通过Pearson相关系数测得螃蟹投影面积、全甲宽、甲长与体重具有正相关性的参数，采用粒子群算法优化的在线极限序列学习机建立螃蟹的体重回归预测模型。2.根据权利要求1所述的一种采用PSO
‑
OS
‑
ELM图像处理的螃蟹体重测量设备，其特征在于，所述计算机图像处理技术是获取到螃蟹视频图像数据集，构建螃蟹的不同状态下的图形数据库，将视频图像转化成静态图像，对图像进行清洗，筛选掉效果较差的数据，选取效果较好的若干张图像进行图像处理，图像处理用OpenCV来实现，针对螃蟹投影面积采取不同的...

【专利技术属性】
技术研发人员：蔡昌春，程增茂，焦广峰，
申请(专利权)人：昆山广翔昌智能信息科技有限公司，
类型：发明
国别省市：