馬國強(qiáng)，田云臣,2，李曉嵐

(1．天津農(nóng)學(xué)院 計(jì)算機(jī)與信息工程學(xué)院，天津 300384；2．天津市水產(chǎn)生態(tài)與養(yǎng)殖重點(diǎn)實(shí)驗(yàn)室，天津 300384)

?

基于不規(guī)則圖像面積測量的窄體舌鰨個體重量估計(jì)*

馬國強(qiáng)1，田云臣1,2，李曉嵐1

(1．天津農(nóng)學(xué)院 計(jì)算機(jī)與信息工程學(xué)院，天津 300384；2．天津市水產(chǎn)生態(tài)與養(yǎng)殖重點(diǎn)實(shí)驗(yàn)室，天津 300384)

對工廠化水產(chǎn)養(yǎng)殖來說，生產(chǎn)過程中的活魚分級、分塘環(huán)節(jié)十分關(guān)鍵，非接觸式、無傷害一直是追求的目標(biāo)。通過數(shù)字圖像處理技術(shù)，得到窄體舌鰨扁平面不規(guī)則圖像并測算了其面積。采用一元線性回歸模型，分析了魚的重量和扁平面面積的關(guān)系，實(shí)驗(yàn)結(jié)果表明，二者存在著一定的線性關(guān)系，相關(guān)系數(shù)為0.380 7。下一步的研究需要考慮到不同生長階段的舌鰨魚體厚度等因素影響，找出二者之間更準(zhǔn)確的模型關(guān)系，為非接觸式測量重量和分級提供支持。

水產(chǎn)養(yǎng)殖；圖像處理；面積測量

引用格式：馬國強(qiáng)，田云臣，李曉嵐. 基于不規(guī)則圖像面積測量的窄體舌鰨個體重量估計(jì)[J].微型機(jī)與應(yīng)用，2016,35(16)：67-71.

0　引言

近年來，伴隨社會經(jīng)濟(jì)的發(fā)展，人們在日常生活飲食消費(fèi)中，對水產(chǎn)品尤其是高檔海水養(yǎng)殖的水產(chǎn)品需求越來越大。與此同時，海水工廠化水產(chǎn)養(yǎng)殖的供給量已經(jīng)超過海水捕撈的供給量，成為水產(chǎn)業(yè)的重要生產(chǎn)方式。

窄體舌鰨俗名舌鰨、鞋底魚，舌鰨科，屬于暖溫帶淺海底層魚，是海洋名貴經(jīng)濟(jì)魚類之一。舌鰨科的魚廣泛分布于熱帶與溫帶海域，我國已知有2亞科、4屬、23種。

在水產(chǎn)工廠化養(yǎng)殖技術(shù)的發(fā)展過程中，科技人員不斷探索各種新技術(shù)以實(shí)現(xiàn)更高層次的智能化養(yǎng)殖模式。計(jì)算機(jī)視覺技術(shù)就是其中很重要的領(lǐng)域。史兵[1]設(shè)計(jì)了一種利用數(shù)字圖像處理技術(shù)對養(yǎng)殖現(xiàn)場中魚類生長情況實(shí)現(xiàn)監(jiān)控的系統(tǒng)。馮子慧[2]設(shè)計(jì)和實(shí)現(xiàn)了水產(chǎn)養(yǎng)殖病害動態(tài)圖像的采集和遠(yuǎn)程傳輸，并能進(jìn)行實(shí)時溝通，及時反饋診斷結(jié)果。劉星橋[3]利用計(jì)算機(jī)數(shù)字圖像處理技術(shù),應(yīng)用MATLAB 軟件強(qiáng)大的圖像處理功能,實(shí)時監(jiān)視池塘現(xiàn)場的情況,經(jīng)過計(jì)算機(jī)的處理,分析現(xiàn)場情況,使魚類生長情況始終處于控制之中。還可以建立監(jiān)控畫面,進(jìn)行實(shí)時視頻監(jiān)控,以早期發(fā)現(xiàn)魚類生長過程中的魚變等變異情況。張志強(qiáng)[4]將鯰魚、鯽魚、鳊魚、鯉魚作為研究對象，通過對魚圖像的分析和處理，對淡水魚識別的成功率高達(dá)96.7%。DUAN Y等人[5]利用計(jì)算機(jī)視覺技術(shù)對大西洋黑線鱈魚和大西洋鱈魚兩種活魚卵進(jìn)行了計(jì)數(shù)實(shí)驗(yàn)，與人工計(jì)數(shù)相比，平均計(jì)數(shù)誤差的假陽性為6%，假陰性為2%。這表明，該方法是客觀的，準(zhǔn)確的。Liu Huanyu等人[6]使用帶LED燈水下攝像機(jī)獲得的罐底剩余的魚食顆粒圖像，再使用圖像處理技術(shù)，對養(yǎng)殖池底的剩余魚食顆粒圖像進(jìn)行分析，計(jì)算出顆粒的剩余量，減少魚食浪費(fèi)，一方面可以避免剩余魚食對水質(zhì)的污染，另一方面可以降低飼料成本。WU T H等人[7]為水產(chǎn)飼喂決策開發(fā)了一套自適應(yīng)神經(jīng)模糊推理系統(tǒng)(ANFIS), 使用一個簡單的循環(huán)水養(yǎng)殖池中飼養(yǎng)的銀鱸作實(shí)驗(yàn),通過測量池中的溶解氧含量，開發(fā)一個模糊邏輯控制器FLC。在模糊邏輯控制器的等價ANFIS中，設(shè)置兩個語言學(xué)變量來描述魚群的覓食的狀態(tài)，建立由15個規(guī)則構(gòu)成的規(guī)則庫。使用一種基于人工神經(jīng)網(wǎng)絡(luò)的模糊邏輯技術(shù)的復(fù)合式學(xué)習(xí)方法，快速對語言變量建立模型和評價其相對貢獻(xiàn)，得到的ANFIS模型非常接近魚類的實(shí)際覓食行為。Liu Ziyi等人[8]介紹了使用計(jì)算機(jī)視覺測量大西洋鮭魚的覓食行為的一個方法。使用CCD相機(jī)記錄了大西洋鮭魚在飼養(yǎng)箱里的覓食行為，使用魚運(yùn)動的幀差進(jìn)行覓食行為分析，定義了基于計(jì)算機(jī)視覺和給定時間段的攝食活動指數(shù)作為測量指標(biāo)cvfai。為了評估cvfai的可靠性，定義了人工觀察的攝食行為因子，隨時進(jìn)行記錄。實(shí)驗(yàn)表明，這兩種因子成線性關(guān)系，相關(guān)系數(shù)為0.919 5。

PAPADAKIS V M等人[9]設(shè)計(jì)了一種可在亞秒(1/10 s)級對魚類行為視頻進(jìn)行拍攝、傳輸、存儲的計(jì)算機(jī)視覺系統(tǒng)。該系統(tǒng)的3個工作站每天產(chǎn)生30 GB的視頻數(shù)據(jù)。

本文首先使用電子天平對單條窄體舌鰨稱重，并利用數(shù)字圖像獲取和處理技術(shù)得到窄體舌鰨扁平面的二值化圖像；然后，通過與標(biāo)準(zhǔn)物件像素?cái)?shù)的對比，計(jì)算窄體舌鰨扁平面不規(guī)則圖像的面積；最后，計(jì)算舌鰨重量和扁平面面積的一元線性回歸模型，計(jì)算相關(guān)系數(shù)，分析相關(guān)性。實(shí)驗(yàn)結(jié)果表明，相關(guān)系數(shù)為0.380 7，二者具有一定的相關(guān)性。

1　不規(guī)則面積圖像測量

圖像測量是指對圖像中目標(biāo)或區(qū)域的特征進(jìn)行測量和估計(jì)。廣義的圖像測量包括對圖像的灰度特征、紋理特征和幾何特征的測量和描述。狹義圖像測量僅指對圖像目標(biāo)幾何特征的測量,比如長度、區(qū)域面積、歐氏距離、街區(qū)距離、棋盤距離以及空間關(guān)系等[10]。

圖像測量的一般步驟包括原始圖像獲取、圖像增強(qiáng)、圖像復(fù)原、圖像分割、待測量的目標(biāo)區(qū)域圖像提取，然后進(jìn)行目標(biāo)區(qū)域圖像的相關(guān)特征測量。

本研究的圖像處理步驟如下。

1.1原始圖像獲取

圖像獲取是指通過圖像獲取設(shè)備得到現(xiàn)實(shí)世界中物體的數(shù)字圖像的過程。簡單地說，就是使用掃描儀、數(shù)碼相機(jī)等圖像獲取設(shè)備得到數(shù)碼照片文件的過程。一般來說，圖像獲取設(shè)備的性能和采集圖像的環(huán)境是影響數(shù)字圖像質(zhì)量的重要因素[11-12]。

圖像分辨率和色彩位數(shù)是決定圖像質(zhì)量的重要參數(shù)。這里采用1 600萬像素的數(shù)碼相機(jī)獲取24位真彩圖像。

1.2圖像轉(zhuǎn)換

圖像轉(zhuǎn)換是指通過計(jì)算公式，將真彩圖像的RGB值轉(zhuǎn)換為灰度圖像的灰度值。具體來說，就是根據(jù)經(jīng)驗(yàn)公式(1)，將每個真彩像素點(diǎn)的RGB值轉(zhuǎn)換為該像素點(diǎn)的灰度值。這樣，對整幅圖像來說，就從真彩圖像轉(zhuǎn)換成了灰度圖像。

Gray=R×0.299+G×0.587+B×0.114

(1)

1.3圖像增強(qiáng)

圖像增強(qiáng)的目的是改善圖像的視覺效果，針對給定圖像的應(yīng)用場合，有目的地強(qiáng)調(diào)圖像的整體或局部特性，將原來不清晰的圖像變得清晰或強(qiáng)調(diào)某些感興趣的特征，擴(kuò)大圖像中不同物體特征之間的差別，抑制不感興趣的特征，以改善圖像質(zhì)量，豐富信息量，加強(qiáng)圖像判讀和識別效果，滿足某些特殊分析的需要。

從技術(shù)上來說圖像增強(qiáng)可以分為兩大類：空間域圖像增強(qiáng)和頻域圖像增強(qiáng)。其中空間域圖像增強(qiáng)是指直接對圖像的像素進(jìn)行處理，也就是改變圖像中像素的灰度值[13]。線性灰度變換就是最常用的一種空間域圖像增強(qiáng)方法。

假定原圖像f(x,y)的灰度范圍為[a,b]，經(jīng)過線性變換后，輸出圖像的灰度范圍為[c,d]，則該線性變換公式可表示為：

(2)

如果數(shù)字圖像的灰度范圍為0～M，但是大部分像素的灰度值落在[a,b]內(nèi)，只有很小部分像素的灰度值不在該區(qū)間內(nèi)，用式(2)一般不能得到很好的效果。為了改善增強(qiáng)圖像的視覺效果，用下式進(jìn)行增強(qiáng)：

(3)

該方法將灰度值小于a的像素的灰度值全部映射為c，將灰度值大于b的像素的灰度值全部映射為d。很明顯，增強(qiáng)后的圖像損失了灰度值小于a和大于b的信息。

1.4圖像分割

圖像分割就是把圖像分成若干個特定的、具有獨(dú)特性質(zhì)的區(qū)域并提出感興趣目標(biāo)的技術(shù)和過程。它是從圖像處理到圖像分析的關(guān)鍵步驟。現(xiàn)有的圖像分割方法主要分以下幾類：基于閾值的分割方法、基于區(qū)域的分割方法、基于邊緣的分割方法以及基于特定理論的分割方法等。

閾值分割是一種簡單有效的圖像分割方法，尤其是針對圖像中只有目標(biāo)和背景兩類像素的灰度圖像。該方法用一個或幾個閾值將圖像的灰度級分為幾部分，將隸屬于同一部分的像素視為相同的區(qū)域。

最大類間方差法是閾值分割的典型算法，也稱為OSTU閾值法。其基本思想和計(jì)算方法如下。

(1)把一幅數(shù)字圖像f(x,y)中的像素按灰度級用閾值T分為C0和C1類，即灰度值小于等于T的歸為一類，大于T的歸為另一類。

C0={f1(x,y)|fmin≤f(x,y)≤T}

(4)

C1={f2(x,y)|fmax≥f(x,y)>T}

(5)

其中，fmin、fmax分別為圖像f(x,y)中灰度的最小值和最大值。

(2)計(jì)算各灰度值出現(xiàn)的概率。

(6)

C1出現(xiàn)的總概率為 ：

(7)

(3)計(jì)算均值。

C0的均值為：

(8)

C1的均值為：

(9)

圖像f(x,y)的均值為:

(10)

(4)計(jì)算兩類的類間方差。

定義兩類的類間方差為：

σ2(T)=P0(u-u0)2+P1(u-u1)2

(11)

最大類間方差把兩類的類間方差作為閾值選擇的判斷依據(jù)，認(rèn)為最好的閾值T*應(yīng)該是使類間方差σ2(T)取得最大值時的閾值，即:

T*={T*|σ2(T*)≥σ2(T),?T∈[fmin,fmax]}

(12)

該算法的優(yōu)點(diǎn)是計(jì)算簡單，穩(wěn)定有效，適用性比較強(qiáng)，尤其是當(dāng)圖像中目標(biāo)與背景的灰度值之比較大時，分割效果很好。

1.5圖像二值化

在數(shù)字圖像處理中，二值圖像占有非常重要的地位。圖像的二值化有利于圖像的進(jìn)一步處理，使圖像變得簡單，而且數(shù)據(jù)量減小，能凸顯出感興趣的目標(biāo)的輪廓。具體來說，圖像二值化是指根據(jù)圖像分割計(jì)算得到的閾值T，將圖像中所有灰度大于閾值的像素判定為屬于特定物體，其灰度值為0(黑色)，否則將這些像素點(diǎn)排除在物體區(qū)域以外，灰度值為255(白色)，表示背景或者例外的物體區(qū)域。利用公式(13)可以將灰度圖像g(x,y)轉(zhuǎn)換為二值圖像b(x,y)。

(13)

1.6目標(biāo)區(qū)域圖像提取

經(jīng)過上述圖像處理步驟，可以確定二值圖像中黑色部分為目標(biāo)區(qū)域，即灰度值為0的像素構(gòu)成了目標(biāo)區(qū)域圖像。這樣，目標(biāo)區(qū)域圖像提取就變得十分簡單了，直接判定灰度值為0的像素構(gòu)成了目標(biāo)區(qū)域。

1.7不規(guī)則目標(biāo)區(qū)域圖像面積計(jì)算

不規(guī)則目標(biāo)區(qū)域圖像面積的計(jì)算，一種簡單有效的方法是定標(biāo)法，即總面積的計(jì)算可以通過目標(biāo)區(qū)域總的像素個數(shù)乘以單個像素對應(yīng)的面積得到[14]。在求取目標(biāo)區(qū)域總像素個數(shù)的時候，在所測目標(biāo)區(qū)域同一個視野內(nèi)放置一個已知面積的標(biāo)準(zhǔn)物件，由該標(biāo)準(zhǔn)物件的面積除以圖像中該標(biāo)準(zhǔn)物件的總像素?cái)?shù)，得到單個像素代表的面積。比如使用一元硬幣作為標(biāo)準(zhǔn)物件，其直徑為25 mm，面積為4.91 cm2。

S單個像素面積=標(biāo)準(zhǔn)物件面積/標(biāo)準(zhǔn)物件總像素個數(shù)

(14)

S目標(biāo)區(qū)域面積=S單個像素面積×N目標(biāo)區(qū)域像素個數(shù)

(15)

這里，標(biāo)準(zhǔn)物件面積=4.91 cm2。

綜上所述，不規(guī)則目標(biāo)區(qū)域圖像面積測量方法的總體流程如圖1所示。

圖1　不規(guī)則目標(biāo)區(qū)域圖像面積測量總體流程圖

2　基于不規(guī)則面積圖像測量的窄體舌鰨個體重量估計(jì)方法

窄體舌鰨體型扁平，呈長舌狀。假定窄體舌鰨個體重量與其身體的扁平面面積成線性關(guān)系，采用一元線性回歸分析來計(jì)算窄體舌鰨個體重量和身體的扁平面面積之間的關(guān)系。

2.1一元線性回歸分析

(16)

(17)

相關(guān)系數(shù)r計(jì)算公式如下：

(18)

2.2變量的設(shè)定

3　實(shí)驗(yàn)與分析

首先，實(shí)驗(yàn)選用從市場上購買的窄體舌鰨保鮮魚作為測試對象，使用電子秤稱重(精確到0.1 g)；其次，使用普通USB攝像頭連接計(jì)算機(jī)同時拍攝單條魚和一元硬幣圖像，再使用MATLAB作為圖像處理軟件，得到窄體舌鰨魚體目標(biāo)區(qū)域和一元硬幣目標(biāo)區(qū)域；第三步，根據(jù)一元硬幣的面積和圖像區(qū)域求出單個像素代表的面積，進(jìn)而計(jì)算出窄體舌鰨圖像區(qū)域的面積；最后，利用一元線性回歸方法分析窄體舌鰨的扁平面面積和其重量的關(guān)系，并計(jì)算相關(guān)系數(shù)，分析其相關(guān)性。

3.1實(shí)驗(yàn)用魚及稱重

實(shí)驗(yàn)共選用50條完整無破損、大小不等的窄體舌鰨保鮮魚。使用天津市天平儀器有限公司生產(chǎn)的TD6001型電子天平進(jìn)行稱重，精度為0.1 g。

3.2攝像頭和圖像采集系統(tǒng)

攝像頭選用奧尼(aoni)百腦通 D881HD720P 高清網(wǎng)絡(luò)攝像頭，CMOS傳感器，硬件像素100萬，分辨率為1 280×720；使用實(shí)驗(yàn)室用三腳架作為拍攝支架；使用白色亞克力板作為三腳架的底板；使用Windwos 7系統(tǒng)自帶的ECap(1.0.1.4)視頻捕捉軟件作為圖像采集軟件。圖像采集部分硬件如圖2所示。

圖2　圖像采集硬件系統(tǒng)示意圖

3.3圖像處理軟件和算法程序

圖像處理軟件使用MATLAB 2015b。MATLAB自帶了圖像處理(Image Processing)和計(jì)算機(jī)視覺(Computer Vision)工具箱，工具箱中提供了大量相關(guān)函數(shù)。本文中的圖像處理程序都是基于工具箱中的函數(shù)編寫的。用到的圖像處理函數(shù)有圖像增強(qiáng)函數(shù)imadjust()、全局閾值計(jì)算函數(shù)graythresh()、圖像二值化函數(shù)im2bw()、目標(biāo)區(qū)域圖像像素點(diǎn)計(jì)算函數(shù)numel()和find()等。

3.4魚體扁平面面積計(jì)算

當(dāng)一幅圖像經(jīng)過上述處理后，首先計(jì)算圖像中一元硬幣的像素?cái)?shù)N一元硬幣，然后根據(jù)公式(14)得到S單個像素面積，再根據(jù)公式(14)求得圖像中單條窄體舌鰨魚的扁平面面積。

3.5圖像和數(shù)據(jù)

原始真彩圖像、二值化圖像如圖3所示。

圖3　原始真彩圖像和二值化圖像

圖像中一元硬幣(標(biāo)準(zhǔn)物件)的像素?cái)?shù)和每條魚的像素?cái)?shù)以及計(jì)算后每條魚的扁平面面積見表1(第1～10幅圖像的數(shù)據(jù))。

表1　一元硬幣、窄體舌鰨扁平面面積和像素?cái)?shù)(第1～10幅圖像)

3.6一元線性回歸分析

圖4　窄體舌鰨扁平面面積和重量關(guān)系圖

從分析數(shù)據(jù)可知，窄體舌鰨個體重量與其扁平面面積存在一定的相關(guān)性，相關(guān)系數(shù)為0.380 7，但是相關(guān)性較弱。造成相關(guān)性不夠強(qiáng)，可能有若干方面的原因：一是線性相關(guān)假設(shè)是否符合魚類生長的實(shí)際情況，比如不同生長階段的窄體舌鰨，魚體厚度不一樣；二是保鮮魚體內(nèi)的含水量不同等；三是實(shí)驗(yàn)用魚數(shù)量過少造成的抽樣誤差過大。這些都有待于進(jìn)一步研究。

4　結(jié)論

本文提出了一種利用圖像處理技術(shù)，通過測量舌鰨扁平面面積，估計(jì)其重量的新方法。實(shí)驗(yàn)結(jié)果表明，該方法具有一定的可行性，但準(zhǔn)確性有待提高。需要進(jìn)一步研究擬合度更高的相關(guān)模型公式，為養(yǎng)殖過程中活魚的非接觸式分塘、分級提供支持。

[1] 史兵,趙德安,謝代峰.計(jì)算機(jī)圖像處理技術(shù)在水產(chǎn)養(yǎng)殖業(yè)中的應(yīng)用[J].微型機(jī)與應(yīng)用,2004,23(7):46-48.

[2] 馮子慧,王麗娟,楊晶瑩,等.水產(chǎn)養(yǎng)殖病害遠(yuǎn)程動態(tài)圖像采集與傳輸系統(tǒng)的組成及實(shí)現(xiàn)[J]. 水產(chǎn)科技情報,2014,41(4):180-183.

[3] 劉星橋,李娟,張如通.MATLAB圖像處理在水產(chǎn)養(yǎng)殖中的應(yīng)用[J]. 微計(jì)算機(jī)信息,2006,22(11-3):300-302.

[4] 張志強(qiáng). 基于機(jī)器視覺的淡水魚品種識別及重量預(yù)測研究[D]. 武漢:華中農(nóng)業(yè)大學(xué)，2011.

[5] DUAN Y, STIEN L H, THORSEN Anders, et al. An automatic counting system for transparent pelagicfish eggs based on computer vision[J]. Aquacultural Engineering,2015,67:8-13.

[6] Liu Huanyu, Xu Lihong, Li Dawei. Detection and recognition of uneaten fish food pellets in aquaculture using image processing[J]. Proceedings of the SPIE,Sixth International Conference on Graphic and Image Processing (ICGIP 2014), 2015,9443.

[7] WU T H, HUANG Y I, CHEN J M. Development of an adaptive neural-based fuzzy inference system forfeeding decision-making assessment in silver perch (Bidyanusbidyanus) cultu-re[J]. Aquacultural Engineering, 2015,66:41-51.

[8] Liu Ziyi, Li Xian, Fan Liangzhong, et al. Measuring feeding activity of fish in RAS using computer vision[J]. Aquacultural Engineering,2014,60:20-27.

[9] PAPADAKIS V M, GLAROPOULOS A, KENTOURI M. Sub-second analysis of fish behavior using a novelcomputer-vision system[J]. Aquacultural Engineering,2014,62:36-41.

[10] 圖像測量[EB/OL].(2010-10-10)[2016-03-28]http://baike.baidu.com/link?url=A7bWim7JKhrAxuBLPqt-GF59NAtuZNxDcIg 2AHi3IujBn6Zp3IjTm3soo7TNKXzqRmMh-gXPcyyjIbhZuRM3 Aq.

[11]童剛,朱鴻博. 圖像處理在紅綠燈判別中的應(yīng)用[J]. 微型機(jī)與應(yīng)用,2013,32(4):88-90,93.

[12]李靖宇,穆偉斌,金成,等. 圖像分割在醫(yī)學(xué)圖像處理中的應(yīng)用研究[J]. 微型機(jī)與應(yīng)用,2012,31(8):29-31.

[13] 劉剛. MATLAB數(shù)字圖像處理[M]. 北京：機(jī)械工業(yè)出版社, 2010.

[14] Wang Weihua, Zhang Fang, Wang Weiqing. Image area measurement based on horizontal scan line[J]. International Journal of Intelligent Information Technology Application,2009,2(1):8-11.

Individual weight estimation of cynoglossus gracilis based on measurement of irregular image area

Ma Guoqiang1, Tian Yunchen1,2, Li Xiaolan1

(1.School of Computer & Information Engineering, Tianjin Agriculture University, Tianjin 300384, China;2. Tianjin Key Laboratory of Aquatic Ecology and Aquaculture, Tianjin 300384, China)

For aquaculture, the classification of live fish and the deconcentrition of fish into more ponds are very important process. Non-contact and no-harm are always the target of this process. Using the technology of digital image processing, the binary irregular image of cynoglossus gracilis is got and measured. We analyze the relationship between the weight of fish and flat surface area by a linear regression model. The experimental results show that two parameters has a certain linear relationship, and the correlation coefficient is 0.380 7. Further research is needed to account for the effects of different growth stages of cynoglossus gracilis body thickness and other factors, and a more accurate model is needed to identify the relationship between the two parameters, to provide support for the non-contact measurement of weight and classification.

aquaculture; image processing; area measurement

公益性行業(yè)(農(nóng)業(yè))科研專項(xiàng)(201203017)；2015年天津市地方標(biāo)準(zhǔn)修訂計(jì)劃(2015-156)；天津市科技支撐計(jì)劃重點(diǎn)項(xiàng)目(14ZCZDNC00009)；天津市科技重大專項(xiàng)與工程(15ZXHLNC00080)

TP391.412

A

10.19358/j.issn.1674- 7720.2016.16.020

2016-03-28)

馬國強(qiáng)(1973-)，男，博士，講師，主要研究方向：圖像處理與模式識別、物聯(lián)網(wǎng)技術(shù)。

田云臣(1967-)，通信作者,男，學(xué)士，教授，主要研究方向：水產(chǎn)養(yǎng)殖業(yè)信息化。E-mail:tianyunchen@tjau.edu.cn。

李曉嵐(1976-)，女，碩士，講師，主要研究方向：信息管理與信息系統(tǒng)。