论文部分内容阅读
水产品需求量的急剧增加促使水产养殖业迅速发展,产业规模不断扩大。采用科学合理的饵料投放方法,在满足养殖对象摄食需求的同时避免剩余饵料污染水质,这是精细化水产养殖进一步发展的必然趋势。针对现有投饵机控制系统中缺乏养殖现场信息反馈、饵料投放全凭人工判断等缺陷,课题设计了基于图像动态获取的水产养殖智能投饵机控制系统,将图像处理和预测控制应用于浮饵投放控制,达到降低饵料成本和提高养殖效益的目的。课题围绕图像动态获取和浮饵投放预测控制这两个关键技术,进行了以下研究:(1)针对现有投饵机控制系统不能反馈鱼群实时摄食信息这一问题,利用CMOS工业相机采集浮饵图像,并通过图像处理结果对鱼群摄食活力进行量化。相机采集浮饵图像时,既要确保大范围水域监测,又要满足微小浮饵识别。为此,设计了二维旋转采集机构,实现浮饵图像自动采集。(2)由相机和二维旋转机构组成的图像采集模块动态获取目标水域浮饵图像,这些图像之间存在重叠区域,需要进行预处理、配准以及合成等图像拼接操作,才能得到剩余浮饵的完整图像。利用腐蚀和膨胀算法处理拼接好的浮饵图像,并分析图像中单个浮饵、粘连浮饵和非浮饵物质的几何特征。根据几何特征参数和图像中目标物体分类结果建立LS-SVM(最小二乘支持向量机)浮饵识别模型,完成浮饵识别和数量统计。(3)针对养殖系统中难以用传统方法解决浮饵投放量的问题,提出了浮饵投放预测控制方法,以剩余浮饵数和鱼群摄食活力为输入变量,浮饵投放时间为输出变量,建立LS-SVM预测模型,通过遗传算法滚动优化,并进行反馈校正,实现浮饵投放的预测控制。(4)在完成图像动态获取和浮饵投放预测控制的基础上,设计投饵机控制模块,并开发基于ARM-Linux系统的投饵机控制程序。利用搭建的投饵机控制系统实验平台进行浮饵识别和浮饵投放实验,并对系统的性能进行分析。仿真和实验结果表明,基于图像动态获取的水产养殖智能投饵机控制系统不仅扩大了目标水域监测范围,而且提高了浮饵识别精度,相对误差小于5%。该系统既实现了浮饵合理投放,减少浪费,又提高了浮饵投放自动化程度,符合精细化水产养殖需求。