阅读说明：本技术 一种基于机器视觉的活体鳗鱼重量分级分选方法及装置 (Weight grading and sorting method and device for live eels based on machine vision ) 是由 闫国琦 陈尔怡 刘桥辉 莫嘉嗣 李钿 于 2019-11-08 设计创作，主要内容包括：本发明公开了一种基于机器视觉的活体鳗鱼重量分级分选方法及装置,该装置包括运送系统、拍照测重系统和分选系统；所述运送系统包括料槽和滑槽,所述拍照测重系统包括透光滑板、相机、相机支架、背光源和处理器,所述分选系统包括分拨器、分拨器驱动电机、分选箱体和传送带。本发明可以较为准确地估算鳗鱼重量,提高鳗鱼重量分级分选的工作效率,代替人工估重,减少劳动成本。(The invention discloses a weight grading and sorting method and a weight grading and sorting device for live eels based on machine vision, wherein the device comprises a conveying system, a photographing and weight measuring system and a sorting system; the conveying system comprises a trough and a sliding chute, the photographing and weight measuring system comprises a light-transmitting sliding plate, a camera support, a backlight source and a processor, and the sorting system comprises a distributor, a distributor driving motor, a sorting box body and a conveying belt. The invention can accurately estimate the weight of the eels, improves the working efficiency of classifying and sorting the weight of the eels, replaces manual weight estimation and reduces the labor cost.)

一种基于机器视觉的活体鳗鱼重量分级分选方法及装置

技术领域

本发明涉及鱼类分级分选装备领域，特别涉及一种基于机器视觉的活体鳗鱼重量分级分选方法及装置。

背景技术

鳗鱼是一种外观类似长条蛇形的鱼类，无鳞，躯干部呈圆柱形，尾部稍扁平，粘液腺发达，体表光滑，一般产于咸淡水交界海域，与鲑鱼类似具有洄游特性。人工养殖鳗鱼的重量选级主要采用人工分选方式，将鳗鱼从饲养池内捞出，经过低温处理降低鳗鱼的活性，采用人工估算重量来对鳗鱼进行分级分选；但是，人工分选方法的准确率低、效率低，而且低温处理会影响鳗鱼的活性。目前鱼类重量分级分选自动装备的成本较高，一般利用运动称重原理，即称重装置将传送部件和称重对象一并称重，这种称重方式的精度低、干扰大，不适合活体鳗鱼，因为一方面活体鳗鱼的体型较长，在运动称重环节时姿态不可控，加大了称重装置面积；另一方面，活体鳗鱼的活性较强，通过称重装置时鳗鱼的自身运动也会影响称重准确性。因此，迫切需要研发一种适合活体鳗鱼特性的重量分级分选方法及装备。

发明内容

本发明的目的在于克服现有技术中存在的缺点，提供一种基于机器视觉的活体鳗鱼重量分级分选方法及装置，能快速对鳗鱼测重并分级处理，准确率高、效率高，有效减少劳动成本，同时可以减少人工分选时对鱼体的二次损伤。

本发明的目的通过下述技术方案实现：

一种基于机器视觉的活体鳗鱼重量分级分选装置，包括运送系统、拍照测重系统和分选系统；所述运送系统包括料槽1和滑槽2，料槽1的开口与滑槽2的上端同一水平固定连接，滑槽2的下端与透光滑板3固定连接；所述拍照测重系统包括透光滑板3、相机5、相机支架4、背光源6和处理器7，相机5固定在相机支架4上，相机5的镜头面向透光滑板3的上表面，背光源6位于透光滑板3的下方，相机5、背光源6分别通过导线与处理器7相连接，处理器7用于数据处理和人机交互；所述分选系统包括分拨器8、分拨器驱动电机20、分选箱体9和传送带10，传送带10的上表面与透光滑板3的上表面处于同一水平高度，分拨器驱动电机20固定安装在传送带10的支撑架上，分拨器8安装在分拨器驱动电机20上；每一个分拨器8的外侧对应一个分选箱体9，分选箱体9固定安装在传送带10的支撑架上。

背光源6包括透光防水板17、混光板18和LED阵列白光源19；LED阵列白光源19置于底层，工作时发光提供光源；混光板18置于LED阵列白光源19上方，将LED阵列白光源19发出的白光过滤混合为均匀白光；透光防水板17置于混光板18上方，起到防水绝缘作用。

一种基于机器视觉的活体鳗鱼重量分级分选方法，是采用上述一种基于机器视觉的活体鳗鱼重量分级分选装置，包括下述步骤：

(1)将批量活体鳗鱼倒进料槽1中，人工操作使鳗鱼逐条通过滑槽2自由滑落，鳗鱼经过透光滑板3，触发相机5并抓取一帧静态图像，背光源6提供背光光源，减少由于自然光造成的反光和阴影而影响计算重量误差；

(2)活体鳗鱼静态图像传送至处理器7，处理器7对静态图像进行预处理，得到鳗鱼轮廓线图，根据鳗鱼面积/长度与重量数学模型估测出鳗鱼重量；

(3)处理器7内预先设定重量分级数量和范围，然后根据单条活体鳗鱼重量对应的级别和传送带10的速度，计算出该条鳗鱼到达每一个分拨器8前方的时间，通过时间参数方法控制每一个分拨器8动作，将传送带10上的鳗鱼拨到相应的分选箱体9内，完成鳗鱼重量分选分级。

所述鳗鱼面积/长度与重量数学模型，包括鳗鱼体前部面积与重量数学模型、鳗鱼体后部中线长度与重量数学模型，具体步骤如下：

(1)将一帧活体鳗鱼静态照片经程序处理，得到鳗鱼的轮廓线图，包括：轮廓线11、前部中线12、后部中线13、比例分割线14、头部15、尾部16；

(2)通过机器学习算法识别鳗鱼的头部15和尾部16；头部15的顶端和尾部16的顶端由中线连接，中线上任意一点的垂线与轮廓线11上的两个交点到该点距离相等，比例分割线14将中线分为前部中线12和后部中线13，比例分割线14的取值范围为0.7～0.8；

(3)由比例分割线14划分鳗鱼体前部和体后部；等重量的鳗鱼体前部粗细不一，采用面积来测算鳗鱼的重量，鳗鱼头部15一侧的轮廓线11与比例分割线14围成的鳗鱼体前部面积为x，根据鳗鱼分割实验，建立鳗鱼体前部面积与重量数学模型G₁＝F₁(x)；鳗鱼体后部呈扁平状且姿势不可控，采用长度来测算鳗鱼的重量，鳗鱼体后部中线长度为y，根据鳗鱼分割实验，建立鳗鱼体后部中线长度与重量数学模型G₂＝F₂(y)；

(4)鳗鱼面积/长度与重量数学模型为：G₃＝a·F₁(x)+b·F₂(y)；其中，a为面积权重系数，a的取值范围为0.7～0.8；b为长度权重系数，b的取值范围为0.2～0.3；G₃为鳗鱼实际重量。

本发明与现有技术相比具有如下优点与效果：

(1)本发明的方法是采用机器视觉测重技术，因为鳗鱼体前部呈圆柱状，粗细不一；体后部呈扁平状，且姿势不可控，本发明利用机器视觉技术，对活体鳗鱼抓取静态图像进行处理，按照长度比例分割，并采用面积与长度相结合的方法估测鳗鱼重量，精度高、成本低。

(2)本发明的装置，可以较为准确地估算鳗鱼重量，提高鳗鱼重量分级分选的工作效率，代替人工估重，减少劳动成本。

附图说明

图1为基于机器视觉的活体鳗鱼重量分级分选装备的结构立体图。

图2为基于机器视觉的活体鳗鱼重量分级分选装备的结构主视图。

图3为基于机器视觉的活体鳗鱼重量分级分选装备的结构俯视图。

图4为拍照测重系统的结构示意图。

图5为背光源的结构示意图。

图6为鳗鱼轮廓线图。

其中，1、料槽；2、滑槽；3、透光滑板；4、相机支架；5、相机；6、背光源；7、处理器；8、分拨器；9、分选箱体；10、传送带；11、轮廓线；12、前部中线；13、后部中线；14、比例分割线；15、头部；16、尾部；17、透光防水板；18、混光板；19、LED阵列白光源；20、分拨器驱动电机。

具体实施方式

下面结合实施例对本发明做进一步详细的描述，但本发明的实施方式不限于此。

实施例1

一种基于机器视觉的活体鳗鱼重量分级分选装置，如图1、图2、图3所示，包括运送系统、拍照测重系统和分选系统；所述运送系统包括料槽1和滑槽2，料槽1的开口与滑槽2的上端同一水平固定连接，滑槽2的下端与透光滑板3固定连接；所述拍照测重系统包括透光滑板3、相机5、相机支架4、背光源6和处理器7，如图4所示，相机5固定在相机支架4上，相机5的镜头面向透光滑板3的上表面，背光源6位于透光滑板3的下方，相机5、背光源6分别通过导线与处理器7相连接，处理器7用于数据处理和人机交互；所述分选系统包括分拨器8、分拨器驱动电机20、分选箱体9和传送带10，传送带10的上表面与透光滑板3的上表面处于同一水平高度，分拨器驱动电机20固定安装在传送带10的支撑架上，分拨器8安装在分拨器驱动电机20上；每一个分拨器8的外侧对应一个分选箱体9，分选箱体9固定安装在传送带10的支撑架上。分拨器8被分拨器驱动电机20驱动，以分拨器右端为轴按一定角度往复转动，转动角度方向与范围如图3所示，分拨器8的运动平面在传送带10的上方，且两者间隙较小。如图5所示，背光源6包括透光防水板17、混光板18和LED阵列白光源19；LED阵列白光源19置于底层，工作时发光提供光源；混光板18置于LED阵列白光源19上方，将LED阵列白光源19发出的白光过滤混合为均匀白光；透光防水板17置于混光板18上方，起到防水绝缘作用。

在进行活体鳗鱼重量分级分选时，是将批量活体鳗鱼倒进料槽1中，人工操作使鳗鱼逐条通过滑槽2自由滑落，鳗鱼经过透光滑板3，触发相机5，抓取一帧静态图像，背光源6提供背光光源，活体鳗鱼静态图像传送至处理器7，处理器7对图像进行预处理得到鳗鱼轮廓线图，如图6所示。首先通过机器学习算法识别鳗鱼的头部15和尾部16，比例分割线14由前部中线12与后部中线13的长度之比确定位置，比例分割线14的取值范围在0.7～0.8，比例分割线14由前部中线12与后部中线13的长度比例确定位置，长度比例由鳗鱼物理模型决定，不同鳗鱼品种对应不同的长度比例。利用比例分割线14，按照面积和长度不同权重的方法测算鳗鱼的重量；由比例分割线14划分鳗鱼体前部和体后部，建立数学模型；鳗鱼头部15一侧的轮廓线11与比例分割线14围成的鳗鱼体前部面积为x，根据鳗鱼分割实验，建立鳗鱼体前部面积与重量数学模型G₁＝F₁(x)；鳗鱼体后部中线长度为y，根据鳗鱼分割实验，建立鳗鱼体后部中线13长度与重量数学模型G₂＝F₂(y)；鳗鱼面积/长度与重量数学模型为：G₃＝a·F₁(x)+b·F₂(y)；其中，a均为面积权重系数，b为长度权重系数，a、b利用MATLAB工具拟合曲线得到，a的取值范围为0.7～0.8，b的取值范围为0.2～0.3；最终得到为鳗鱼实际重量。

处理器7内预先设定的重量分级数量和范围，如：分为4级，分别是200～300克、301～400克、401～500克和501～600克，根据单条活体鳗鱼重量对应的级别和传送带10的速度，计算出该条鳗鱼到达每一个分拨器8前方的时间，通过时间参数方法控制每一个分拨器8动作，将传送带10上的鳗鱼拨到相应的分选箱体9内，完成鳗鱼重量分选分级作业。

实施例2

一种基于机器视觉的活体鳗鱼重量分级分选方法及装备，可用于鳗鱼重量分级分选。使用时，对处理器7预先设定重量分级数量和范围，如：分为7级，分别是200～250克、251～300克、301～350克、351～400克、401～450克、451～500克，501克及以上。将批量活体鳗鱼倒进料槽1中，人工操作使鳗鱼逐条通过滑槽2自由滑落，鳗鱼经过透光滑板3，触发相机5，抓取一帧静态图像，背光源6提供背光光源，减少由于自然光造成的反光和阴影影响计算重量误差；活体鳗鱼静态图像传送至处理器7，处理器7对图像进行预处理得到鳗鱼轮廓线图，如图6所示；根据鳗鱼面积/长度与重量数学模型估测出鳗鱼重量；根据单条活体鳗鱼重量对应的级别，和传送带10的速度，可以计算该条鳗鱼到达每一个分拨器8前方的时间，通过时间参数方法控制每一个分拨器8动作，将传送带10上的鳗鱼拨到相应的分选箱体9内，完成鳗鱼重量分选分级作业。