【技术实现步骤摘要】
本专利技术属于智慧农业，尤其涉及一种基于表皮角质层厚度的甲鱼年龄判断方法。
技术介绍
1、随着市场需求的发展，水产养殖行业不断扩大，尤其甲鱼类养殖的行业被越来越多的人所关注，因此甲鱼养殖业是以市场供求为导向发展起来的产业，甲鱼养殖业主要依托其收藏保值和投资增值价值的挖掘、发现和认可获得长足发展，而且主要发生在养殖生产环节，例如品种保持、选育良种以及引进外来品种，人们通过学习、交流推广了人工孵化、温室培苗和室外仿生态或原生态养殖甲鱼模式及技术，甲鱼是养在深闺人未识充满了神秘感。
2、数以万计的甲鱼需要进行差异化的价格标注，以获得合适的价格，而帮助养殖户进行甲鱼的高质量差异化养殖，最基本的甲鱼价格判断就难倒了众多饲养人员和养殖人员，因此，对甲鱼年龄的识别俨然成为了当务之急，为了更好的对甲鱼进行科学饲养，知晓甲鱼的年龄也是必不可少的。
技术实现思路
1、为解决上述技术问题，本专利技术提出了一种基于表皮角质层厚度的甲鱼年龄判断方法。
2、在本专利技术的第一个方面，提供一种基于表皮角质层厚度的甲鱼年龄判断方法，所述方法包括：
3、获取目标甲鱼的表皮角质层图像数据，并获取此时对应认定的甲鱼年龄，建立甲鱼表皮角质层图像数据库；
4、对所述目标甲鱼的表皮角质层图像数据进行特征提取，根据特征对应甲鱼不同年龄标签；
5、接收待预测甲鱼的表皮角质层图像数据，将所述待预测甲鱼的表皮角质层图像数据进行特征提取得到待预测图像特征数据；
6
7、根据所述待预测甲鱼的年龄，对不同甲鱼的价格进行自动化标注。
8、进一步地，所述目标甲鱼的表皮角质层图像数据或所述待预测甲鱼的表皮角质层图像数据，采用180°旋转图像获取设备获取，所述180°旋转图像获取设备获取的图像格式为rgb格式。
9、进一步地，所述特征提取，包括图像置换和噪声过滤。
10、进一步地，所述甲鱼年龄预测模型的构建采用机器学习，所述机器学习包括基于fisher准则的分类器、支持向量机。
11、进一步地，所述利用机器学习方法前，需要对所述目标甲鱼的表皮角质层图像数据图像置换，图像置换的公式为：
12、x＝0.517r+0.124g+0.167b (1)
13、y＝0.254r+0.458g+0.225b (2)
14、z＝0.025g+1.537b (3)
15、
16、
17、
18、式中，r、g、b为rgb图像的灰度值，x、y、z置换后的图像灰度值，m是受光照影响图像灰度值，a、c为甲鱼图片不受光照影响的图像灰度值，其中x＝0.940,y＝0.944,z＝1.125,所述目标甲鱼的表皮角质层图像数据置换后为每一像素的置换图像特征g(m,a,c)，其灰度值为g(m,a,c)。
19、进一步地，所述利用机器学习方法前，对所述每一像素的置换图像特征置换图像特征进行噪声过滤步骤如下：
20、s1.求出所述每一像素的置换图像特征的概率密度分布p(t):
21、
22、s2、确定一个下限b，使得所有灰度值高于b的像素点作为背景考虑，灰度值在b以下的都考虑为杂质点，将背景上的点错分类为杂质的概率为虚假概率；
23、s3、为得到归一化的概率密度分布，取新的变量k：
24、
25、根据新变量k得到新的概率密度分布并得到最终虚假概率；
26、s4、当虚假概率恒定时，则虚假固定，即：
27、
28、b＝μ-kσ
29、s5、则确定上限j为：
30、j＝μ+kσ
31、s6、对噪声进行过滤采取映射的方式，映射公式如下：
32、
33、式中，t为每一像素的置换图像特征的灰度值，μ为置换图像的灰度平均值，σ为置换图像的方差，k＞0且为新变量，f(x)为杂质过滤后的每一像素的灰度值。
34、进一步地，所述虚假概率由以下公式得到：
35、
36、所述新的概率密度分布为p(k)：
37、
38、所述最终虚假概率pff为：
39、
40、进一步地，所述基于fisher准则的分类器的计算公式如下所示：
41、g(s)＝wtf(x)
42、g(s)为输出的甲鱼年龄及价格标签，f(x)为图像进行杂质过滤后的平均灰度值，wt为垂直于超平面的法向量。
43、进一步地，将特征提取得到所述待预测图像特征数据根据对应关系给出相应的表皮角质层厚度特征，利用所述表皮角质层厚度特征和所述甲鱼年龄及价格标签生成所述甲鱼年龄预测模型；
44、还提供一种基于表皮角质层厚度的甲鱼年龄判断装置，包括数据获取终端和甲鱼年龄预测终端，所述数据获取终端包括数据采集模块、图像获取模块，所述甲鱼年龄预测终端包括数据接收模块、模型构建模块、甲鱼年龄及价格标志模块、数据存储模块，其中：
45、所述数据采集模块：与甲鱼年龄预测终端相连，用于采集目标甲鱼相应的年龄和价格标签，并将其发送给数据接收模块；
46、所述图像获取模块：180°旋转图像获取设备获取图像格式为rgb格式的目标甲鱼的表皮角质层图像数据以及待预测甲鱼的表皮角质层图像数据；
47、所述数据存储模块：用于存储所述目标甲鱼的表皮角质层图像数据和所述待预测甲鱼的表皮角质层图像数据以及对应的甲鱼年龄和价格；
48、所述数据接收模块：接受所述数据采集模块以及所述图像获取模块传输过来的所述目标甲鱼的表皮角质层图像数据和所述待预测甲鱼的表皮角质层图像数据以及对应的甲鱼年龄和价格标签，将所述所述目标甲鱼的表皮角质层图像数据和所述待预测甲鱼的表皮角质层图像数据进行图像转换和噪声过滤特征处理，传送到数据存储模块存储；
49、所述模型构建模块：利用所述数据存储模块的所述目标甲鱼的表皮角质层图像数据和对应的甲鱼年龄和价格标签构建甲鱼年龄预测模型；
50、所述甲鱼年龄及价格标志模块：接收所述数据接收模块进行特征处理后的待预测甲鱼的表皮角质层图像数据，将所述特征处理后的待预测甲鱼的表皮角质层图像数据输入所述甲鱼年龄预测模型，获得待预测甲鱼年龄和价格标签，并利用传动装置进行自动化分类处理。
51、本专利技术所利用的图像置换和噪声过滤方法用于甲鱼养殖方面是首创，且利用的分类器对于甲鱼表皮角质层厚度能够更好的识别出来，同时对于甲鱼年龄的判断精准可靠，有利于甲鱼养殖业的整体发展，提高养殖户的养殖积极性。
52、本专利技术的更多实施例和改进效果将结合附图和具体实施例进一步介绍。
本文档来自技高网...【技术保护点】
1.一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
3.如权利要求1所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
4.如权利要求3所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
5.如权利要求4所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
6.如权利要求5所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
7.如权利要求6所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
8.如权利要求7所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
9.如权利要求8所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
10.一种基于表皮角质层厚度的甲鱼年龄判断装置，包括数据获取终端和甲鱼年龄预测终端，其特征在于：
【技术特征摘要】
1.一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
3.如权利要求1所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
4.如权利要求3所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
5.如权利要求4所述的一种基于表皮角质层厚度的甲鱼年龄判断方法，其特征在于：
6.如...
【专利技术属性】
技术研发人员：李明，余涤非，章旭伟，贺文芳，田磊，徐勇斌，程霄玲，
申请(专利权)人：金华市水产技术推广站金华市水生动物疫病防控中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。