淡水鱼品种识别研究开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

【本课题的意义】 水产养殖是我国国民经济收入的一项重要来源，其中淡水鱼产量占世界养殖淡水鱼总产量的73％[1]。

常见的淡水鱼主要有青鱼、草鱼、鲢鱼、鳙鱼、鲤鱼、鲫鱼、鳊鱼等。

为了增加鱼货产品的市场价值，需要对淡水鱼进行加工处理，其中包括前处理和深加工。

2. 研究的基本内容和问题

【研究的目标】 本课题旨在对基于机器视觉技术的淡水鱼品种识别技术进行研究。

该研究以淡水鱼为对象，运用机器视觉技术对已有的基于形状和颜色纹理等特征识别淡水鱼品种的技术进行改进，建立淡水鱼特征库，运用最优特征值选择算法和合理的分类器，建立淡水鱼品种识别模型，最终对识别结果进行分析。

【研究的内容】 （1）改进基于形状等特征识别淡水鱼种类的方法。

3. 研究的方法与方案

【研究方法】遗传算法是一种随机搜索算法,适合对较大特征空间进行搜索,不要求评价函数具有单调性,因此在特征选择、参数寻优、系统控制等多个领域都有成功应用。

但是目前的遗传算法还存在一些不足之处,如早熟收敛等,尤其是没有考虑对由多种不同性质的特征组成的多质特征空间进行局部化管理的合理性和必要性。

粒子群算法从随机解出发，通过迭代寻找最优解，通过适应度来评价解的品质，但比遗传算法规则更为简单，通过追随当前搜索到的最优值来寻找全局最优。

4. 研究创新点

【特色或创新之处】本课题从体型和纹理、颜色两个方面三个种类的特征入手，结合淡水鱼自身特点，更加全面而有效的获取特征值，并用遗传算法、粒子群算法和支持向量机的特征值选取算法以及改进算法提取最优特征值，最终使用有效的分类方法来对淡水鱼图像进行识别。

5. 研究计划与进展

【研究计划及预期进展】一、研究计划1.运用图像处理的相关知识改进和整合基于形状等特征识别淡水鱼种类的方法和基于纹理和颜色等特征识别淡水鱼种类的方法。

2.学习和研究最优特征值选取算法。

并选取一种最优特征值选取算法进行改进。