基于多特征融合与机器学习的鱼类摄食行为的检测

• 作者: 侍国忠 冯国富 周旭 张重阳 郭强 陈冠奇 陈明
• 来源期刊: 湖南农业大学学报（自然科学版）
• 学科: 农学
• 关键词: 鱼群摄食行为 图像处理 多特征融合 机器学习 BP网络
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 农业工程
• 页码范围: 97-102
• 页数: 6页
• 分类号: S951.2|TP391.4
• 字数: 3720字
• 语种: 中文
• DOI: 10.13331/j.cnki.jhau.2019.01.017

摘要

针对目前检测方法特征单一、样本数量少和鲁棒性低等问题,提出了一种基于多特征融合与机器学习的鱼类摄食行为的检测方法:利用图像处理技术提取鱼群摄食图像的颜色、形状和纹理特征,并对其进行归一化和特征融合处理,通过构建3层的BP神经网络对鱼群摄食行为进行检测.与SVM和KNN检测效果进行对比,BP神经网络的效果最好,精度可达97.1％.与传统的基于单一纹理特征方法相比,在保证时效性和增强鲁棒性的同时,准确率提高了4.1％.