王文靜， 徐建瑜， 杜秋菊

(1 衡陽師范學(xué)院物理與電子工程學(xué)院，湖南 衡陽 421000；2 寧波大學(xué)信息科學(xué)與工程學(xué)院，浙江 寧波 315211)

?

基于計(jì)算機(jī)視覺的魚苗自動(dòng)計(jì)數(shù)系統(tǒng)研究

王文靜1， 徐建瑜2， 杜秋菊2

(1 衡陽師范學(xué)院物理與電子工程學(xué)院，湖南 衡陽 421000；2 寧波大學(xué)信息科學(xué)與工程學(xué)院，浙江 寧波 315211)

摘要：為了在魚苗的飼養(yǎng)、運(yùn)輸和銷售過程中對一定數(shù)量或批量的幼苗進(jìn)行精確計(jì)數(shù)，提出了一種基于計(jì)算機(jī)視覺的魚苗自動(dòng)計(jì)數(shù)系統(tǒng)。利用流體力學(xué)中伯努利原理(Bernoulli principle)設(shè)計(jì)了一個(gè)穩(wěn)定流速的穩(wěn)流水箱，使魚苗和水一起以平穩(wěn)恒定的速度流過過流計(jì)數(shù)箱體的拍攝區(qū)；使用電荷耦合元件(CCD)高速攝像頭以與水流速度成比例的幀速采集圖像，并傳送給計(jì)算機(jī)進(jìn)行圖像處理；對圖像進(jìn)行閾值分割和目標(biāo)提取后，計(jì)算出每幀圖像中不重疊區(qū)域的幼苗數(shù)量，累加求得幼苗總量。結(jié)果表明，該系統(tǒng)計(jì)數(shù)的相對誤差在15%以內(nèi)，具有較高的精度。該研究不僅解決了目標(biāo)粘連、連續(xù)計(jì)數(shù)和重復(fù)計(jì)數(shù)的問題，還可推廣到蝦苗、蟹苗等生物幼苗計(jì)數(shù)，具有通用性強(qiáng)、可行性好、推廣范圍大的特點(diǎn)。

關(guān)鍵詞：計(jì)算機(jī)視覺；魚苗自動(dòng)計(jì)數(shù)；穩(wěn)流裝置；圖像采集；圖像處理

隨著養(yǎng)殖生產(chǎn)規(guī)模不斷擴(kuò)大，魚、蝦、蟹苗在飼養(yǎng)、運(yùn)輸、銷售等環(huán)節(jié)中都需精確計(jì)數(shù)。傳統(tǒng)的計(jì)數(shù)方法有分布取樣統(tǒng)計(jì)平均法和稱重法，前者費(fèi)時(shí)費(fèi)力，且易受到人為主觀因素的影響[1]，后者會(huì)對幼苗產(chǎn)生應(yīng)激和物理傷害，測量過的幼苗需幾天才能恢復(fù)正常攝食生長[2]。傳統(tǒng)計(jì)數(shù)方法不能適應(yīng)集約化、工廠化水產(chǎn)養(yǎng)殖育苗的需求。

計(jì)算機(jī)視覺技術(shù)是一種快速、經(jīng)濟(jì)、有效的測量和評價(jià)手段，在農(nóng)業(yè)生產(chǎn)中有著廣泛的應(yīng)用和廣闊的發(fā)展前景[3-7]。目前已有研究人員利用基于端點(diǎn)的細(xì)化算法[8]、目標(biāo)跟蹤[9]、神經(jīng)網(wǎng)絡(luò)[10-11]、四鄰域標(biāo)記[12]和灰度圖像分析[9-10]等方法對生物幼苗進(jìn)行計(jì)數(shù)，但是主要針對于單幀圖像。本研究以魚苗為例，設(shè)計(jì)了一套實(shí)時(shí)在線計(jì)數(shù)系統(tǒng)。

1計(jì)算機(jī)視覺魚苗自動(dòng)計(jì)數(shù)系統(tǒng)

系統(tǒng)硬件主要由光源、攝像頭、過流計(jì)數(shù)箱體、穩(wěn)流水箱和計(jì)算機(jī)(聯(lián)想G510AM-IFI)組成(圖1)。光源由白色LED燈板和導(dǎo)光板組成，位于攝像機(jī)正下方過流計(jì)數(shù)箱體底部。采用彩色攝像頭(Basler acA640-100gm，1/4”CCD面陣攝像機(jī))，根據(jù)攝像機(jī)CCD面陣尺寸與拍攝范圍，為了拍攝出完整而不失真的圖像，選取焦距5 mm的定焦鏡頭。

圖1　計(jì)算機(jī)視覺魚苗自動(dòng)計(jì)數(shù)系統(tǒng)硬件裝置Fig.1　The hardware system of the automaticcounting system

1.1過流計(jì)數(shù)箱體

過流計(jì)數(shù)箱體采用透明亞克力材料制成，包括入口段、穩(wěn)流段和觀測段。其中，入口段通過彎管與穩(wěn)流裝置相連，沿魚苗進(jìn)口方向向上傾斜30°，可防止水體溢出；觀測段寬度18 cm，其頂面透明，沿魚苗出口方向向上傾斜15°，以避免水流過通道時(shí)在頂面殘留水滴影響處理效果；在入口段和觀測段之間有一段長23 cm的穩(wěn)流段，使水流擴(kuò)寬以保證進(jìn)入觀測段的水流和苗體分布均勻，穩(wěn)速流過寬18 cm的觀測段(圖2)。

圖2　過流計(jì)數(shù)箱體具體尺寸Fig.2　The specific dimension of the flow-through counting box

1.2穩(wěn)流水箱

a. 小孔出流原理圖　　　　　　b. 穩(wěn)流水箱原理圖圖3　穩(wěn)流水箱的設(shè)計(jì)原理圖Fig.3　Schematic diagram of the steady flow tank

2系統(tǒng)軟件設(shè)計(jì)

2.1參數(shù)設(shè)置模塊

系統(tǒng)軟件部分主要由圖像處理、數(shù)量統(tǒng)計(jì)和參數(shù)設(shè)置模塊構(gòu)成，其設(shè)計(jì)總流程如圖4所示。其中參數(shù)設(shè)置模塊包含4個(gè)部分：(1)生物種類的選擇，通過選擇物種的形狀參數(shù)進(jìn)行目標(biāo)提取計(jì)數(shù)；(2)對計(jì)數(shù)模式的選擇，當(dāng)檢測到開始計(jì)數(shù)時(shí)，在單桶計(jì)數(shù)、連續(xù)多桶計(jì)數(shù)模式下，計(jì)數(shù)結(jié)果分別為自動(dòng)清零、在原基礎(chǔ)上繼續(xù)累加；(3)計(jì)數(shù)方式的選擇，可選擇打開攝像頭實(shí)時(shí)采集圖像或打開視頻處理計(jì)數(shù)；(4)開始與停止計(jì)數(shù)的自動(dòng)判定，當(dāng)檢測到有目標(biāo)流過時(shí)，開啟計(jì)數(shù)功能，當(dāng)檢測到目標(biāo)不再運(yùn)動(dòng)時(shí)，自動(dòng)停止計(jì)數(shù)，防止水流停止后重復(fù)計(jì)數(shù)視野中的那部分魚苗。

圖4　魚苗自動(dòng)計(jì)數(shù)系統(tǒng)軟件設(shè)計(jì)總流程圖Fig.4　Flow chart of the automatic fry counting system

2.2圖像處理模塊

實(shí)驗(yàn)采集的圖像分辨率為659×494像素的彩色圖像，為了提高圖像處理質(zhì)量，增加處理速度，在進(jìn)行圖像分割前，應(yīng)先將彩色圖像進(jìn)行灰度處理[18]。彩色圖像的亮度值是由紅、綠、藍(lán)3個(gè)分量決定的，要將原圖像量化為256個(gè)灰度級的黑白圖像，首先讀取圖像中每個(gè)像素的R、G、B值，通過這3個(gè)分量計(jì)算出當(dāng)前像素的亮度值Y(Y=0.299×R+0.587×G+0.114×B)，然后將各個(gè)像素的R、G、B取相應(yīng)的亮度值[19]，則將原圖像轉(zhuǎn)化為如圖5a所示的灰度圖像。

由于全局閾值法不適合光照不均的圖像，為了將圖像中的目標(biāo)從背景中成功地分離出來，本文采用局部閾值法[20]，分割后的圖像如圖5b所示，其中白色表示目標(biāo)，黑色表示背景。該方法首先將圖像劃分成若干互不相干的子窗口，然后以子窗口為對象進(jìn)行閾值分割。實(shí)驗(yàn)將各個(gè)子窗口的像素設(shè)置為80×80，使用Niblack算法計(jì)算出各個(gè)子窗口的閾值。在該算法中，像素點(diǎn)(x,y)在大小為w×w的窗口的局部閾值T(x,y)由公式T(x,y)=m(x,y)+kδ(x,y)計(jì)算得來，其中k為給定偏差，m(x,y)、δ(x,y)分別為像素鄰域的均值與標(biāo)準(zhǔn)差[21]。

為了保證圖像的完整性，幀速的設(shè)計(jì)略大于水流過的速率，因此相鄰兩幀圖像之間存在重疊區(qū)域，影響計(jì)數(shù)結(jié)果。實(shí)驗(yàn)使用基于區(qū)域的目標(biāo)檢測與跟蹤法[22]，求出單位時(shí)間內(nèi)目標(biāo)沿水流方向移動(dòng)的像素速度v1，當(dāng)一幀圖像的像素長度為l1，兩幀圖像之間的時(shí)間間隔為t，前后兩幀圖像之間不重疊區(qū)域的比例為r，則r=v1t/l1，由此計(jì)算出相鄰兩幀圖像之間不重疊區(qū)域的大小為659×320像素。如圖5c為避免重復(fù)計(jì)數(shù)，用裁剪法將重疊區(qū)域裁剪后的圖像。

因?yàn)樗须s質(zhì)和水波等因素的影響，二值化后的圖像存在一些白色的小噪聲，這會(huì)影響計(jì)數(shù)結(jié)果，所以在計(jì)數(shù)前，對于面積和周長小于某一閾值的連通域，將其置為黑色，轉(zhuǎn)換為背景，以去除噪聲[23]。提取目標(biāo)后的圖像如圖5d 所示。

2.3目標(biāo)數(shù)量統(tǒng)計(jì)模塊

a. 灰度處理圖像b. 分割后圖像

c. 裁剪后圖像　　　　　　d. 目標(biāo)提取后圖像圖5　圖像處理過程Fig.5　Diagram of image processing process

3試驗(yàn)與結(jié)果

3.1試驗(yàn)設(shè)計(jì)

紅色斑馬魚(Daniorerio)魚苗購買于寧波東城花鳥市場，體長2～3 cm，平均體重0.2～0.3 g。實(shí)驗(yàn)前先調(diào)節(jié)好攝像機(jī)的位置，關(guān)閉所有閥門和開關(guān)，然后將魚苗和水加入穩(wěn)流水箱并蓋好密封蓋，運(yùn)行軟件程序，同時(shí)打開進(jìn)氣閥門和球閥開關(guān)，使幼苗隨著水流平穩(wěn)、慢速地流過過流計(jì)數(shù)箱體，以7幀/s的速度采集視頻圖像，并傳入計(jì)算機(jī)進(jìn)行處理。其中圖像采集的幀速(x，幀/s)是由水流過觀察管段的速度(v，m/s)和拍攝視野范圍長度(l，m)決定的，其關(guān)系式為x=v/l，其值應(yīng)略大于水流過的速率，以保證采集圖像的完整性。

3.2數(shù)據(jù)統(tǒng)計(jì)與結(jié)果

為了驗(yàn)證該方法的可靠性和準(zhǔn)確性，人工數(shù)取紅色斑馬魚樣品400、600、800、1 000尾，每個(gè)數(shù)量樣品實(shí)驗(yàn)重復(fù)4次，共 16 次計(jì)數(shù)試驗(yàn)，記錄該系統(tǒng)測量出來的魚苗數(shù)量，計(jì)算絕對誤差和相對誤差(表1)。由表1可知，魚苗計(jì)數(shù)的相對誤差不超過15%，平均相對誤差為7.4%；對400尾和600尾魚苗計(jì)數(shù)的相對誤差不超過14%，對800尾和1 000尾魚苗計(jì)數(shù)的相對誤差不超過11%。這說明該系統(tǒng)能夠比較準(zhǔn)確地計(jì)算出魚苗的數(shù)量。

表1　魚苗自動(dòng)計(jì)數(shù)系統(tǒng)計(jì)數(shù)誤差分析

4討論

4.1計(jì)數(shù)方法比較

朱從容等[13-14]利用攝像頭采集水箱中幼苗的圖像，利用數(shù)據(jù)擬合的方法建立灰度圖像中魚苗所占像素點(diǎn)數(shù)與魚苗數(shù)量的關(guān)系，由此對魚苗進(jìn)行計(jì)數(shù)。王碩等[24]針對單幀大菱鲆魚苗的計(jì)數(shù)問題，提出了一種基于曲線演化的圖像處理方法來解決目標(biāo)粘連的問題。上述研究主要針對一幀圖像進(jìn)行方法上的驗(yàn)證。本研究主要對一桶、多桶或一批魚苗連續(xù)實(shí)時(shí)在線計(jì)數(shù)，處理對象至少是幾百幀，得到的結(jié)果是魚苗總量，且將軟硬件結(jié)合投入到實(shí)際生產(chǎn)中使用測試，這是一種系統(tǒng)化的探索。

4.2計(jì)數(shù)時(shí)間比較

Chatain等[25]利用計(jì)算機(jī)視覺和圖像處理技術(shù)，以12萬尾魚作為研究對象，實(shí)驗(yàn)證明，人工計(jì)數(shù)法要耗時(shí)12 h，而計(jì)算機(jī)視覺法總共耗時(shí)3 h，平均每1 200尾魚耗時(shí)108 s。Toh等[26]通過閥門控制使幼苗(每次1～50尾)從水箱中自動(dòng)流入透明的小容器中進(jìn)行計(jì)數(shù)，實(shí)驗(yàn)發(fā)現(xiàn)若每次進(jìn)入小容器的幼苗從15尾增加到30尾時(shí)，計(jì)數(shù)時(shí)間為原來的4倍，若增加水箱中幼苗數(shù)量，計(jì)數(shù)時(shí)間也會(huì)相應(yīng)延長。本實(shí)驗(yàn)發(fā)現(xiàn)，1桶苗的計(jì)數(shù)時(shí)間(即這桶水從穩(wěn)流裝置中流出的時(shí)間)與進(jìn)氣閥到穩(wěn)流裝置底部的高度和底部球閥的尺寸有關(guān)。實(shí)驗(yàn)選用直徑為38.1 mm的球閥，若將一桶20 L水和1 200尾幼苗倒入穩(wěn)流裝置，流過觀測段并計(jì)數(shù)的時(shí)間大約為30 s，計(jì)數(shù)速度大大提高；若幼苗數(shù)量增多使密度增大、交疊情況嚴(yán)重時(shí)，可通過在水箱中加水稀釋來保證計(jì)數(shù)時(shí)間。

若對大批幼苗的連續(xù)計(jì)數(shù)，可將穩(wěn)流水箱改成頂部開口，外加溢流管和補(bǔ)水管，使流入的水體等于流出的水體，以保證箱體中的水位穩(wěn)定、出流流速恒定[27]。雖流速要比所述頂部密封的穩(wěn)流裝置快，但通過增加圖像采集幀速和裁剪區(qū)域也可快速準(zhǔn)確地計(jì)數(shù)。

4.3系統(tǒng)尚需完善的部分

該自動(dòng)計(jì)數(shù)系統(tǒng)的可行性已通過驗(yàn)證，為進(jìn)一步提高效率和精度，尚需從以下幾個(gè)方面改進(jìn)：(1)系統(tǒng)相對誤差控制在15%以內(nèi)，可進(jìn)一步優(yōu)化建立比較穩(wěn)定的拍攝環(huán)境，排除光照、拍攝角度等因素影響。(2)研究對象除了魚苗，也用蟹、蝦苗進(jìn)行了實(shí)驗(yàn)，其中蟹苗的形狀比較圓，選用長寬比作為特征參數(shù)就比較容易識(shí)別，蝦苗的形狀特征和魚苗相差不大，因此該方法同樣適用于蝦、蟹苗。由于個(gè)體之間存在差異，如密度比較大時(shí)，蝦苗容易發(fā)生交疊，蟹苗容易堵塞出苗口，影響實(shí)驗(yàn)，可進(jìn)一步量化實(shí)驗(yàn)結(jié)果，優(yōu)化計(jì)數(shù)方法和裝置。(3)誤差分析時(shí)可以增加幼苗樣品的數(shù)量、種類和實(shí)驗(yàn)重復(fù)次數(shù)，以得到更準(zhǔn)確的數(shù)據(jù)。

5結(jié)論

利用計(jì)算機(jī)視覺技術(shù)對魚苗進(jìn)行計(jì)數(shù)，在硬件方面，利用流體力學(xué)原理設(shè)計(jì)了一個(gè)穩(wěn)定流速和過流計(jì)數(shù)裝置，對連續(xù)計(jì)數(shù)、系統(tǒng)穩(wěn)定性和提高精度起了較大作用；在軟件上，通過比較目標(biāo)面積和平均面積確定粘連目標(biāo)的數(shù)目，用目標(biāo)標(biāo)定與跟蹤法計(jì)算不重疊區(qū)域的大小后對圖像進(jìn)行裁剪，以避免重復(fù)計(jì)數(shù)。該方法適用于單桶、多桶和大批量幼苗的連續(xù)計(jì)數(shù)，也可推廣到蝦苗、蟹苗等生物物種。在以后的研究過程中可增加實(shí)驗(yàn)魚苗的數(shù)量，利用該系統(tǒng)對蝦苗、蟹苗進(jìn)行精確計(jì)數(shù)，不斷優(yōu)化計(jì)數(shù)方法和裝置，以得到更嚴(yán)謹(jǐn)?shù)膶?shí)驗(yàn)結(jié)果和結(jié)論。

□

參考文獻(xiàn)

[1]許斐力,馬應(yīng)森,黃應(yīng)生.分布取樣式魚(蝦)苗計(jì)數(shù)器：CN88202836.7 [P]. 1989-12-13.

[2]盧建琦.稱重式魚(蝦)苗計(jì)數(shù)方法及其設(shè)備：CN88100193.7 [P]. 1989-8-9.

[3]徐建瑜,劉鷹,崔紹榮,等.計(jì)算機(jī)視覺技術(shù)在魚類應(yīng)激狀態(tài)監(jiān)測中應(yīng)用研究[J].漁業(yè)現(xiàn)代化, 2008, 35(3)：15-18.

[4]徐建瑜,崔紹榮,苗香雯,等.計(jì)算機(jī)視覺技術(shù)在水產(chǎn)養(yǎng)殖中的應(yīng)用與展望[J].農(nóng)業(yè)工程學(xué)報(bào), 2005, 21(8)：174-178.

[5]徐愫,田云臣,馬國強(qiáng),等.計(jì)算機(jī)視覺在水產(chǎn)養(yǎng)殖與生產(chǎn)領(lǐng)域的應(yīng)用[J].天津農(nóng)學(xué)院學(xué)報(bào), 2014, 21(4)：43-46.

[7]GOMES J F S, LETA F R. Applications of computer vision techniques in the agriculture and food industry：a review [J]. European Food Research & Technology, 2012, 235(6)：989-1000.

[8]范嵩,劉嬌,楊軼.圖像識(shí)別技術(shù)在魚苗計(jì)數(shù)方面的研究與實(shí)現(xiàn)[J].水產(chǎn)科學(xué), 2008, 27(4)：210-212.

[9]FOSTER M, PETRELL R, ITO M R,etal. Detection and counting of uneaten food pellets in a sea cage using image analysis [J]. Aquacultural Engineering, 1995, 4(3)：251-269.

[10]FAN L Z, LIU Y. Automate fry counting using computer vision and multi-class least squares support vector machine [J]. Aquaculture, 2013, 380-383：91-98.

[11]NEWBURY P F, CULVERHOUSE P F, PILGRIM D A. Automatic fish population counting by artificial neural network [J]. Aquaculture, 1995, 133(1)：45-55.

[12]劉世晶,陳軍,劉興國,等.基于圖像處理技術(shù)的小球藻熒光圖像自動(dòng)計(jì)數(shù)方法研究[J].漁業(yè)現(xiàn)代化, 2012, 39(5)：16-19.

[13]朱從容.一種基于機(jī)器視覺的魚苗自動(dòng)計(jì)數(shù)方法[J].漁業(yè)現(xiàn)代化, 2009, 36(2)：25-28.

[14]朱從容.基于計(jì)算機(jī)視覺的魚苗自動(dòng)計(jì)數(shù)系統(tǒng)：CN200810162176.1 [P]. 2009-5-13.

[15]趙毅山.流體力學(xué)[M]. 上海：同濟(jì)大學(xué)出版社, 2004：69-87.

[16]陳一之. 基于伯努利方程實(shí)驗(yàn)儀的流體力學(xué)綜合實(shí)驗(yàn)儀研制[J]. 長沙大學(xué)學(xué)報(bào)：自科版, 2005, 2(1)：26-27.

[17]梁智權(quán). 流體力學(xué)[M]. 重慶：重慶大學(xué)出版社, 2002：101-103.

[18]孫勁光, 張丈斌, 朱世安. 圖象灰度的處理方法及實(shí)現(xiàn)[J]. 遼寧工程技術(shù)大學(xué)學(xué)報(bào)：自然科學(xué)版, 2002, 21(3)：340-341.

[19]薛同澤,崔博.基于計(jì)算機(jī)圖像識(shí)別技術(shù)的坯布疵點(diǎn)檢測研究[J].儀表技術(shù)與傳感器, 2008(6)：109-112.

[20]王序哲.局部自適應(yīng)二值化方法研究[J].軟件導(dǎo)刊, 2011,10(11)：13-14.

[21]符翔,張劍,王維,等.一種新的局部閾值分割算法[J].計(jì)算機(jī)應(yīng)用與軟件, 2015, 32(4)：195-196.

[22]龐靜潔.基于視頻的魚類運(yùn)動(dòng)目標(biāo)檢測與跟蹤方法研究[D].秦皇島：燕山大學(xué), 2014.

[23]黃玲,胡波,曹乃文.基于圖像處理的魚苗計(jì)數(shù)方法[J].湖北農(nóng)業(yè)科學(xué), 2012, 51(9)：1180-1182.

[24]王碩,范良忠,劉鷹,等.基于計(jì)算機(jī)視覺的大菱鲆魚苗計(jì)數(shù)方法研究[J].漁業(yè)現(xiàn)代化, 2015, 42(1)：16-19.

[25]CHATAIN B, DEBAS L, BOURDILLON A. A photographic larval fish counting technique：comparison with other methods, statistical appraisal of the procedure and practicaluse [J]. Aquaculture, 1996, 141：83-96.

[26]TOH Y H, NG, T M , LIEW B K. Automated fish counting using image processing[C]// Computational Intelligence and Software Engineering, 2009：1-5.

[27]徐建瑜,王文靜,王春琳,等.基于計(jì)算機(jī)視頻處理的魚蝦蟹苗自動(dòng)計(jì)數(shù)裝置及其方法：CN201210244520.8[P]. 2012-12-15.

Study on a computer vision based automatic counting system of fries

WANG Wenjing1, XU Jianyu2, DU Qiuju2

(1CollegeofPhysicsandElectronicEngineering,HengyangNormalUniversity,Hengyang421000,China; 2InstituteofInformationScienceandTechnology,NingboUniversity,Ningbo315211,China)

Abstract：To realize the real-time, online, and accurate counting of a certain amount or quantities of seedlings during farming, transportation and marketing, this research proposes an automatic counting system of fries based on computer vision. A tank device with steady flow velocity was designed according to Bernoulli principle in Fluid Mechanisms, enabling the seedlings and water to pass through the shooting area of the flow-through counting box more stably and constantly. Images were acquired using high speed CCD camera which had a frame rate consistent with the flow rate, and then transferred to a computer for image processing. The method of image threshold segmentation and target recognition was used, to work out the number of the seedlings that were non-overlapping in each frame image and then get the total number through adding up all the numbers. The experimental results showed that the relative error of the counting system was lower than 15%; in other words, it was of high precision. This counting system has solved the problems of target adhesion, continuous counting and double-counting, and could also be extended and applied in the seedling counting of shrimps, crabs and other biological organisms. In general, this method has the features of versatility, good feasibility and wide applicability.

Key words：computer vision; automatic counting of fries; steady flow; image capture; image processing

DOI：10.3969/j.issn.1007-9580.2016.03.007

收稿日期：2016-01-12修回日期：2016-04-28

基金項(xiàng)目：浙江省重大科技攻關(guān)專項(xiàng)(2011C11049)；寧波市科技創(chuàng)新團(tuán)隊(duì)“海洋蟹類產(chǎn)業(yè)科技創(chuàng)新團(tuán)隊(duì)(2011B81003)”；衡陽師范學(xué)院省級平臺(tái)開放基金項(xiàng)目“基于機(jī)器視覺的生物幼苗數(shù)量估計(jì)(GD15K08)”；衡陽師范學(xué)院基金青年項(xiàng)目“基于虛擬儀器技術(shù)的室內(nèi)環(huán)境監(jiān)測系統(tǒng)的設(shè)計(jì)(14A05)”

作者簡介：王文靜(1988—)，女，助教，研究方向：計(jì)算機(jī)視覺與圖像處理。E-mail：461621123@qq.com 通信作者：徐建瑜(1973—)，女，副教授，博士，研究方向：生物圖像處理。E-mail：xujianyu@nbu.edu.cn

中圖分類號(hào)：TP391.41

文獻(xiàn)標(biāo)志碼：A

文章編號(hào)：1007-9580(2016)03-034-06