随着现代化水产养殖的发展,信息化的养殖过程成为了需求。在梭子蟹人工育苗过程中,需要对育苗环境和蟹苗状态实时掌控,才能让养殖者及时做出调整以避免损失。使用计算机视觉技术对养殖生物进行信息采集,不仅对养殖生物干扰小而且客观性强,可以很好地辅助养殖者降低风险、提高产量。本文基于蟹苗的行为特点,使用计算机视觉技术对水下蟹苗信息采集系统进行了研究,具体研究内容和结果如下:第一,实际养殖环境中的蟹苗识别是蟹苗信息采集走向实际运用的基础,本研究针对不同时期蟹苗采取不同的识别方法。在对视频进行背景建模之后,即可获取具有运动特征的前景图像,这些图像包含蟹苗和各类杂质。针对溞状幼体和小型杂质,对其图像提取外形特征和亮度特征,然后使用SVM分类器对图像分类,实现溞状幼体的识别。针对大眼幼体和相同周长的杂质,对其图像提取Haar-like特征,然后使用Adaboost训练分类器对图像分类,实现大眼幼体的识别。实验结果表明,溞状幼体的识别准确率高于91.56%,大眼幼体的识别准确率高于93.21%,说明有针对性的蟹苗识别方法,可以较好地实现识别功能。第二,蟹苗的健康状态对养殖过程极为重要,而健康状态的量化更加有助于养殖者的判断。因为蟹苗健康状态和趋光能力之间存在正相关关系,所以量化蟹苗的趋光能力就能反应蟹苗的健康状态。实验过程对光源附近的蟹苗个数进行估计,然后绘制聚集数量曲线,曲线的坡度则代表了蟹苗的趋光能力。蟹苗个数估计过程中,针对聚集程度的不同,采用不同的估计方法。对于低密度图像,采用线性回归的方法,通过前景图像像素数估计蟹苗个数。对于高密度图像,先使用竞争型网络划分密集等级,然后通过判断当前图像的密集等级来估计蟹苗的个数范围。实验结果表明,该个数估计方法正确率为93.95%,能够很好地用数值描述蟹苗的趋光能力。第三,蟹苗出产量和养殖利润紧密相连,所以池内的蟹苗总量一直是养殖者最为关心的信息。本研究设计一套水下视频采集装置,通过调节录像装置高度采集不同水层的视频。视频采集完成后,对视频中的蟹苗进行识别,并且统计得出样本数据,然后通过核密度估计得出水体中蟹苗的概率密度函数,最后依据概率密度函数和样本数值估算出蟹苗总值。实验结果表明,该总量估计方法在小型养殖池中的准确率平均为82.14%,基本可以实现估计功能。而在大型养殖池中的准确率较低,希望能通过调整采样方案,有进一步的提高。本文的研究内容为养殖环境中的蟹苗状态和总量的获取,设计了采集器材和操作方案,并且提出了分析处理蟹苗图像的方法,使得水下蟹苗信息采集走向智能化。