农业机械学报

作者：段青玲，陈鑫，许冠华，樊宇星，张玉玲

单位：中国农业大学,中国农业大学,江苏中农物联网科技有限公司,中国农业大学,中国农业大学国家数字渔业创新中心；中国农业大学烟台研究院,

关键词：大闸蟹;水产养殖;质量估算;多维度特征;LightGBM

基金：江苏省农业科技自主创新基金项目（CX(19)1003）、宁波市公益科技项目(202002N3034)和烟台市校地融合发展项目（2020XDRHXMXK07）

大闸蟹是我国特有的名优水产养殖品种，其质量既是确定投喂量的重要依据，亦是评判其生长状况、品质等级的重要指标。为了准确估算蟹体质量，提出一种基于多维度特征和轻量梯度提升机(Light gradient boosting machine，LightGBM)的大闸蟹质量估算方法。首先通过相机获取蟹体图像，其次采用图像处理技术对图像进行分割以获取背甲图像，然后提取背甲二值图像的几何特征构成形状特征(Shape features，SF)；提取不同颜色空间背甲图像的各通道分量值构成颜色特征(Color features，CF)，并采用标定法计算特征值；最后采用基于LightGBM的方法预测大闸蟹质量。本文根据色泽表征其发育状况，提取背甲颜色特征与形状特征构成多维度特征，解决单一形状特征导致预测精度不高的问题；提取背甲轮廓比值作为形状特征，有效降低随机调整相机高度对特征值稳定性的影响；在真实数据集上进行预测，结果表明平均绝对误差(MAE)为2.751g，均方根误差(RMSE)为3.680g，决定系数R2为0.949。并与SF-LightGBM、SF3-LightGBM 、area-OLS、MF-BPNN和MF-SVM质量估算方法进行对比，本文方法的各评价指标的性能均有较大幅度提升，能够较准确地估算出大闸蟹蟹体质量。

来源：2022年第8期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第8期