近年来,随着我国水产养殖业的蓬勃发展,精细化、智能化养殖方式逐渐成为主要趋势。水产养殖中鱼群投喂量的精准控制问题受到越来越多的重视。但是目前鱼群投喂仍主要以人工观察投喂或机器投喂为主,无法根据鱼群的实际摄食行为变化以及生长情况进行精准控制,从而造成饲养成本上升以及水质环境的恶化,影响鱼群的健康生长。因此,通过研究分析鱼群的摄食行为指导投喂设备进行精准投喂,对于提高水产养殖效益具有重要意义。随着计算机技术的快速发展,通过计算机视觉技术研究鱼类群体的行为成为一种重要手段。针对池塘养殖中的水质浑浊,鱼群检测精度不高等问题,本文以彩鲤为实验对象,借助计算机视觉技术观察鱼群的摄食变化过程,提出一种量化鱼群的摄食状态的研究方法,进而采用SVM模型对鱼群的摄食行为进行检测。主要研究工作如下:(1)鱼群摄食图像预处理研究:在池塘养殖环境下,通过建立视频采集系统获取鱼群摄食前后游动过程的图像数据。对获取的鱼群图像采用中值滤波、直方图均衡化预处理方法减少图像噪声干扰并获取高质量图像,提高鱼群图像对比度。通过自适应高斯背景建模法去除水面背景,提取前景鱼群灰度图像。(2)鱼群摄食行为特征提取方法研究:针对鱼群游动摄食过程中水面波纹抖动及反光现象,本文采用图像纹理表征整个鱼群的摄食活动强度及摄食鱼群数量的变化,共提取出鱼群图像的能量、逆差矩、对比度和熵共四个纹理特征。由于鱼群摄食过程环境复杂多变且摄食前后运动过程不一,采用Lucas-Kanade光流法获取鱼群个体的运动方向矢量,再通过建立方向直方图统计鱼群的方向矢量分布,并以方向熵特征量化鱼群整体的运动混乱程度。通过结合鱼群静态图像纹理特征与动态光流方向熵特征来量化鱼群的摄食状态变化,可以防止对低密度鱼群图像产生误判,有助于提高检测精度。(3)鱼群摄食状态检测识别研究:将提取的鱼群摄食图像纹理特征及光流运动方向熵特征采用SVM分类器进行训练检测,并对SVM模型结果进行评价和分析。为体现本文方法效果,将本文鱼群摄食行为检测结果与基于形状和纹理的鱼群摄食行为检测结果进行对比分析。实验结果表明,本文方法检测准确度达到97%,检测精度提高4.5%,可以较好地解决池塘养殖环境下的鱼群摄食行为检测问题。本文方法能够用于指导水产养殖精准投喂难题的解决,在随后的研究中可以建立鱼群的投喂控制策略,以更好地应用于智能饵料投喂设备的研究。