论文部分内容阅读
以梭子蟹为研究对象,利用计算机视觉技术对其进行测量.通过CCD相机获取不同生长情况下的梭子蟹图像,采用图像处理技术对图像进行分割处理,计算获得的投影面积、全甲宽与甲长参数;利用图像获取的尺寸参数对梭子蟹体重进行预测,发现梭子蟹投影面积、全甲宽、甲长与体重具有正相关性;并采用遗传优化(GA)的支持向量机(SVM)建立梭子蟹体重回归预测模型.实测结果表明,梭子蟹体重预测值与实测值平均绝对百分比误差(MAPE)为2.23%,均方根误差(RMSE)为5.80 g,优于BP神经网络和参数未优化的SVM预测.证