基于改进Mask RCNN和SVR的无接触梭子蟹体质量预测研究

提出了一个改进Mask RCNN目标检测算法用以对养殖梭子蟹进行视觉特征测量.通过在养殖区域采集梭子蟹图像,用上位机识别梭子蟹旋转角度以及甲长和甲宽方向,对输出的Mask进行模板修补,提高模板内区域的置信度.通过图像-实景对应关系换算梭子蟹的真实尺寸,并估算其投影面积、甲宽与甲长,结果准确率高于85％.同时,对视觉算法得到的梭子蟹尺寸特征与其体质量进行拟合,引入k-means聚类,实现双模型支持向量回归机(SVR)预测结构.通过差分进化算法对SVR适应度函数进行寻优,设计了随迭代次数、寻优效果同步变化的缩放因子,以及适者更易生存策略的交叉概率因子,以验证改进算法的寻优能力.测试时,对新传入的数据首先进行归一化处理,然后判断所归属的聚类中心,再传至相应的SVR模型进行预测.测试结果相对误差小于18％.