基于计算机视觉和GA-SVM的梭子蟹体重预测

以梭子蟹为研究对象, 利用计算机视觉技术对其进行测量. 通过 CCD 相机获取不同生长情况下的梭子蟹图像, 采用图像处理技术对图像进行分割处理, 计算获得的投影面积、全甲宽与甲长参数; 利用图像获取的尺寸参数对梭子蟹体重进行预测, 发现梭子蟹投影面积、全甲宽、甲长与体重具有正相关性; 并采用遗传优化(GA)的支持向量机(SVM)建立梭子蟹体重回归预测模型. 实测结果表明, 梭子蟹体重预测值与实测值平均绝对百分比误差(MAPE)为 2.23%, 均方根误差(RMSE)为5.80 g, 优于BP神经网络和参数未优化的SVM预测. 证明基于计算机视觉与遗传优化支持向量机(GA-SVM)的梭子蟹体重预测方法能够达到梭子蟹体重测量要求.