基于机器视觉的鱼类行为特征提取与分析

近年来,水污染问题备受关注。生物式水质监测成为目前国家环境保护工作的重要任务之一。为准确监测水质污染情况,本文以青鳉鱼(Oryzias latipes)为研究对象,采用非接触式的机器视觉监测技术,提取青鳉鱼的生理特征(呼吸频率)和运动特征(胸鳍和尾鳍的摆动频率),并分析这些特征与水质之间的关系。本文采用支持向量机(Support Vector Machine,SVM)准确提取鱼鳃,并根据鱼鳃呼吸面积大小变化计算出鱼的呼吸频率。基于形态学细化算法提取青鳉鱼骨架,求出胸鳍和尾鳍的摆动频率。结果显示:不同浓度铜离子暴露实验测得的青鳉鱼生理特征和运动特征与实际情况一致;通过对不同铜离子浓度下的毒性实验数据对比,发现了青鳉鱼的生理特征和运动特征会随不同的铜离子浓度发生相应变化,可以作为水质监测的评价标准。     

基于机器视觉的鱼类模式生物在线监测技术方法研究

水污染的防治问题是我国关注的重中之重,现有理化监测方法的实时性和综合性较差,特别是对于一些极端可变化的环境,更需要新的方法以辅助和解决。生物式水质监测方法被提出,通过利用生物对环境污染或变化所产生的反应来直接或间接体现水质的污染情况。然而,观测指标与量化标准是面临的一大难题。文章利用机器视觉的方法,以青鳉鱼为模式生物,并以青鳉鱼的生理特征以及运动特征(呼吸频率、胸鳍摆动频率、摆尾频率)为观测指标,两方面综合评定青鳉鱼应激状态,实时监测与分析。实验结果表明该方法能为生物式水质监测和预警的发展提供一定支持与参考。测得青鳉鱼呼吸频率为3.06 Hz,胸鳍摆动频率为4.83 Hz,尾鳍摆动频率为5.08 Hz,结果与实际指标一致。