基于蜂群优化多核支持向量机的淡水鱼种类识别

• 作者: 吴一全 戴一冕 殷骏 袁永明
• 来源期刊: 农业工程学报
• 学科: 工学
• 关键词: 计算机视觉 图像处理 鱼 淡水鱼识别 灰度共生矩阵 最小二乘支持向量机 人工蜂群优化
• 年，卷（期）: 2014,（16）
• 所属期刊栏目: 农产品加工工程
• 页码范围: 312-319
• 页数: 8页
• 分类号: TP391.41
• 字数: 7618字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-6819.2014.16.040

摘要

为了准确地进行淡水鱼种类自动识别，利用计算机视觉技术，提出了一种基于 Krawtchouk 矩、灰度共生矩阵、蜂群优化多核最小二乘支持向量机（least squares support vector machine，LS-SVM）的识别方法。首先获取淡水鱼样本的灰度图像，计算淡水鱼鱼体的长宽比、鱼头鱼尾的 Krawtchouk 矩不变量形状特征，求得鱼身的灰度共生矩阵纹理特征，将上述形状与纹理特征组合成高维特征向量，并输入到多核LS-SVM，通过人工蜂群（artificial bee colony，ABC）算法对多核LS-SVM中的待定参数进行寻优，ABC算法中的适应度函数为测试样本的识别精度；最后输出识别精度达到最高时的最优参数。利用该方法对鳊鱼、鳙鱼、鲫鱼、草鱼、青鱼5种淡水鱼进行了分类识别，对鳊鱼、鳙鱼、鲫鱼、草鱼4种鱼识别时，各类鱼的识别精度均达到95.83%以上，对鳊鱼、鳙鱼、鲫鱼、青鱼4种鱼识别时，各类鱼的识别精度均达到91.67%以上，对鳊鱼、鳙鱼、鲫鱼、草鱼和青鱼5种鱼识别时，各类鱼的识别精度均达到83.33%以上；与近年来提出的淡水鱼识别方法、BP（back propagation）神经网络方法、单核LS-SVM方法相比，该方法的识别精度更高，从而可快速准确地识别淡水鱼的种类，提高水产养殖的自动化水平。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴一全	南京航空航天大学电子信息工程学院	198	2249	23.0	36.0
4	袁永明	农业部淡水渔业和种质资源利用重点实验室中国水产科学研究院淡水渔业研究中心	6	57	3.0	6.0
5	殷骏	南京航空航天大学电子信息工程学院	11	128	7.0	11.0
12	戴一冕	南京航空航天大学电子信息工程学院	3	68	3.0	3.0