[发明专利]一种采用PSO-OS-ELM图像处理的螃蟹体重测量设备

权利要求书

1.一种采用PSO-OS-ELM图像处理的螃蟹体重测量设备，包括CCD相机，其特征在于，所述CCD相机拍摄获取不同生长情况下的螃蟹图像，螃蟹图像采用计算机图像处理技术对图像进行分割处理，计算获得螃蟹的投影面积、全甲宽与甲长参数，利用螃蟹图像获取的尺寸参数对螃蟹体重进行预测，通过Pearson相关系数测得螃蟹投影面积、全甲宽、甲长与体重具有正相关性的参数，采用粒子群算法优化的在线极限序列学习机建立螃蟹的体重回归预测模型。

2.根据权利要求1所述的一种采用PSO-OS-ELM图像处理的螃蟹体重测量设备，其特征在于，所述计算机图像处理技术是获取到螃蟹视频图像数据集，构建螃蟹的不同状态下的图形数据库，将视频图像转化成静态图像，对图像进行清洗，筛选掉效果较差的数据，选取效果较好的若干张图像进行图像处理，图像处理用OpenCV来实现，针对螃蟹投影面积采取不同的分割方案，分割之后进行灰度处理，分割后的图像主要为彩色目标与白色背景，采取阈值分割的方法，图像在分割与二值化后要进行形态学处理，包括膨胀、腐蚀、去除内部粒子与内孔，处理得到螃蟹的二值图像，最终根据图像处理的特征计算螃蟹投影面积、全甲宽与甲长的尺寸参数。

3.根据权利要求1所述的一种采用PSO-OS-ELM图像处理的螃蟹体重测量设备，其特征在于，所述螃蟹的体重回归预测模型是螃蟹实际体重测量采用精度为0.1g的电子秤，对经过图像处理的螃蟹进行量测，构建螃蟹重量的数据集，对数据集中不符合实际重量的数据进行清洗，继而构建预测模型，将图像处理得到的螃蟹特征数据作为神经网络的输入，将对应数据集中的体重作为神经网络的输出，采用有监督学习模型，利用粒子群算法(PSO)优化神经网络(OS-ELM)的权重参数，以此达到网络权重的快速寻优和预测结果的准确度，提高系统的高性能和高可用性。