基于神经网络的多特征结合法鲫鱼质量估计

蔡振鑫, 刘春红,2*

(1.中国农业大学信息与电气工程学院，北京 100083; 2.中国农业大学国家数字渔业创新中心，北京 100083)

我国是水产养殖大国，是淡水鱼的主要生产国，淡水鱼的产量在全球占主导地位[1]。鲫鱼作为淡水鱼的一种，营养丰富，体内所含的脂肪酸超过一半为不饱和脂肪酸[2]，其中DHA、EPA等不饱和脂肪酸能提高人体免疫力、促进大脑发育、改善视力。质量是鱼的重要特征，在市场上主要根据鱼的质量进行分级售卖，准确估计鱼的质量能提高水产养殖的经济效益。另一方面，目前我国离全面实现渔业现代化还有很大的差距[3]，使用机器视觉技术实现鱼类质量估计能够推进我国渔业现代化的进程。

现有鱼类质量估计方法基于多特征或单一特征：基于多特征的鱼体质量估计是选取鱼背的总面积、总长度、最大宽度和五个等距宽度(将鱼背部划分为六个相等的部分来获取五个等距宽度)[4]等几个特征作为形状特征。基于单一特征的鱼体质量估计多选用鱼的体长作为形状特征[5-6]，或者使用视图区域面积[7]。长度是鱼的重要特征[8]，而且长度容易获取，在长度-重量关系的研究中有38%是针对淡水鱼的[9]。目前，长度-重量关系最经典的模型是W=a×Lb，能准确地估计鱼体质量[10]。其中，L是鱼体长度，a是截距，参数b表征的是鱼质量变化和体型变化之间的关系，b取值一般在3附近的小范围内变化[11]。在实际水产养殖中，生长环境如季节变换会影响鱼的质量和形状的关系[12]，在对同一类型鱼不同季节长度-重量关系的评估中，参数a变化范围为[0.005 848，5.610 480]，参数b的变化范围为[1.500，3.115]。……