1. Trang chủ
  2. » Luận Văn - Báo Cáo

Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh

79 127 0

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

THÔNG TIN TÀI LIỆU

Thông tin cơ bản

Định dạng
Số trang 79
Dung lượng 2,6 MB

Nội dung

TĨM TẮT Tại Việt Nam, ngành ni trồng thủy sản phát triển mạnh đạt kết cao, hình thành nên phong trào nuôi trồng rộng rãi nhân dân Do đó, nhu cầu giống thị trường lớn Tuy nhiên, việc giao dịch mua bán giống ngày sử dụng phương pháp đếm truyền thống thông qua đếm mẫu ước lượng chủ yếu Phương pháp đếm thủ công tốn nhiều thời gian độ xác khơng cao Vì vậy, mục tiêu đề tài tìm giải pháp nhận dạng đếm giống xác nhanh chóng hơn, bỏ qua tạp chất trình đếm Luận văn thực dựa cơng nghệ xử lý hình ảnh mạng neural để nhận dạng đếm giống, thông qua phần mềm MATLAB để thực hai trình: nhận dạng đếm đối tượng giống Đầu tiên, ảnh cá cần nhận dạng đưa vào phần mềm trải qua bước tiền xử lý ảnh như: chuyển sang ảnh xám, lọc nhiễu, tăng độ tương phản, chuyển sang ảnh nhị phân, sau trích đặc trưng hình dạng cá giống, đưa liệu hình dạng cá giống vừa thu vào mạng thần kinh nhân tạo huấn luyện để nhận dạng cá giống Sau nhận dạng, hệ thống đưa định loại bỏ ảnh cá giống (ảnh tạp) giữ lại ảnh cá giống Đồng thời phần mềm thống kê số lượng cá giống có ảnh ban đầu Kết giải pháp có hiệu trường hợp đối tượng cá bơi riêng lẻ Trường hợp cá bơi chồng lên kết đếm khơng xác iv ABSTRACT In Vietnam, the aquaculture has grown significantly and achieved high results, formed the aquaculture movement among the people widely Therefore, fish demand in the market is very large However, the purchase and sale of fish seed today still use traditional methods of counting through counting and estimating sample is crucial This method takes a long time and the accuracy is not high Therefore, the objective of this research to find a way that count more accurately and faster, able to ignore the impurities in the counting process This thesis was based on image processing technology and neural network to identify and count baby fishs By using MATLAB software to perform two processes: identification and counting of seedling varieties Firstly, the image needed to be identified in the software will pre-processing steps such as graying, noise filtering, contrast enhancement, conversion to binary image, then extracting the characteristics shape of the fish, followed by the data on the shape of the fish collected on the artificial neural network were trained to identify fishs After identified, the system will make a decision to remove the non-fish image and only retain the fish image At the same time the software also records the number of fish in the original image Experimental results show that it is effective in the case of individual fish swimming objects The counted results are not correctly when fish swim overlap v MỤC LỤC LÝ LỊCH KHOA HỌC i LỜI CAM ĐOAN ii LỜI CẢM ƠN iii TÓM TẮT iv ABSTRACT v MỤC LỤC vi DANH SÁCH CÁC CHỮ VIẾT TẮT viii DANH SÁCH CÁC HÌNH ix Chương 1: TỔNG QUAN 1.1 Lý chọn đề tài 1.2 Lịch sử giải vấn đề 1.2.1 Ngoài nước 1.2.2 Trong nước 1.3 Mục tiêu đề tài 1.4 Nhiệm vụ giới hạn đề tài 1.5 Ý nghĩa khoa học thực tiễn đề tài 1.6 Phương pháp nghiên cứu Chương 2: LÝ THUYẾT XỬ LÝ ẢNH .9 2.1 Tổng quan xử lý ảnh 2.2 Quá trình xử lý ảnh 2.3 Nội dung lý thuyết xử lý ảnh dùng đề tài 13 2.3.1 Chuyển ảnh màu RGB sang ảnh mức xám Gray 13 2.3.2 Lọc nhiễu cho ảnh 13 2.3.3 Tăng độ tương phản ảnh 18 2.3.4 Phân đoạn ảnh (phân vùng ảnh) 20 2.3.5 Trích đặc trưng đối tượng 23 2.3.6 Nhận dạng ảnh 27 Chương 3: LÝ THUYẾT MẠNG THẦN KINH NHÂN TẠO 28 3.1 Mơ hình nơ-ron nhân tạo 28 3.2 Mơ hình mạng nơ-ron nhân tạo 28 3.3 Phân loại mạng nơ-ron 29 vi 3.4 Các phương pháp huấn luyện mạng thần kinh nhân tạo 29 3.5 Một số mơ hình mạng nơ-ron ứng dụng để nhận dạng ảnh 31 3.5.1 Mạng Perceptron (mạng truyền thẳng lớp) 31 3.5.2 Mạng truyền thẳng nhiều lớp 33 Chương 4: NỘI DUNG VÀ KẾT QUẢ NGHIÊN CỨU 36 4.1 Thiết kế chậu chứa cá 36 4.2 Tạo liệu ảnh cá ảnh tạp dùng để huấn luyện mạng nơ-ron 37 4.3 Quá trình xử lý ảnh 39 4.4 Q trình trích đặc trưng ảnh 41 4.5 Quá trình thiết kế huấn luyện mạng nơ-ron 42 4.6 Quá trình nhận dạng đếm số lượng cá 47 4.7 Một số kết chạy chương trình phần mềm nhận dạng đếm cá thu được: 50 Chương 5: KẾT LUẬN VÀ KIẾN NGHỊ .56 5.1 Kết luận 56 5.2 Kiến nghị 56 TÀI LIỆU THAM KHẢO .57 PHỤ LỤC 59 vii DANH SÁCH CÁC CHỮ VIẾT TẮT ANN - Artificial Neural network MSE - Mean Square Error viii DANH SÁCH CÁC HÌNH Hình Trang Hình 1.1: Máy đếm quang học có hệ thống camera Hình 1.2: Máy đếm tôm, cá giống Hình 1.3 Máy đếm giống XperCount2 Hình 1.4: Máy đếm tơm giống có suất 6000 con/giờ Hình 1.5: Mơ hình thiết bị đếm tơm Hình 2.1: Các bước trình xử lý ảnh 10 Hình 2.2: Các bước tiền xử lý ảnh 11 Hình 2.3: Các bước khâu trích đặc trưng ảnh 12 Hình 2.4: Cửa sổ lọc 18 Hình 2.5: Biễu diễn hình dạng theo đường bao theo vùng 24 Hình 3.1: Mơ hình nơ-ron nhân tạo 28 Hình 3.2: Mơ tả cách học có giám sát 30 Hình 3.3: Mơ tả cách học củng cố 31 Hình 3.4: Mơ tả cách học khơng giám sát 31 Hình 3.5: Mơ hình mạng Perceptron lớp 32 Hình 3.6: Mạng truyền thẳng nhiều lớp 34 Hình 4.1 Chậu chứa cá giống 36 Hình 4.2: Một số hình ảnh cá 38 Hình 4.3: Một số hình ảnh tạp 38 Hình 4.4: Giao diện đồ họa chương trình nhận dạng đếm cá 39 Hình 4.5: Ảnh gốc 41 Hình 4.6: Ảnh xám 41 Hình 4.7: Ảnh đảo pixel 41 Hình 4.8: Ảnh lọc nhiễu 41 Hình 4.9: Ảnh tăng độ tương phản 41 ix Hình 4.10: Ảnh nhị phân đen trắng 41 Hình 4.11: Trọng tâm ảnh cá 42 Hình 4.12: Điểm xuất phát ảnh 42 Hình 4.13: Trích đặc trưng ảnh cá 42 Hình 4.14: Sơ đồ trình huấn luyện mạng nơ-ron 44 Hình 4.15: Lưu đồ giải thuật trình thiết kế huấn luyện mạng nơ-ron 45 Hình 4.16: Sơ đồ huấn luyện mạng nơ-ron ban đầu 46 Hình 4.17: Sơ đồ trình kiểm tra độ xác mạng nơ-ron vừa huấn luyện 47 Hình 4.18: Sơ đồ trình nhận dạng đếm cá 48 Hình 4.19: Ảnh cá cần nhận dạng 49 Hình 4.20: Ảnh nhị phân đen trắng 49 Hình 4.21: Gán nhãn đối tượng ảnh 49 Hình 4.22: Kết giao diện phần mềm nhận dạng đếm cá 50 x Chương TỔNG QUAN 1.1 Lý chọn đề tài Việt Nam đất nước bán đảo Trung Ấn, thiên nhiên phú cho nhiều điều kiện thuận lợi để phát triển ngành thủy sản Nghề thủy sản Việt Nam gồm đánh bắt nuôi trồng tồn phát triển từ lâu đời, trải qua nhiều thăng trầm ngành thủy sản phát triển mạnh mẽ, có khả cạnh tranh với nhiều nước đứng đầu xuất thủy sản Nuôi trồng thủy sản phát triển mạnh đạt kết cao, hình thành nên phong trào ni trồng rộng rãi nhân dân Vì vậy, nhu cầu giống thị trường lớn Tuy nhiên, việc giao dịch mua bán giống ngày sử dụng phương pháp đếm truyền thống thông qua đếm mẫu ước lượng chủyếu Phương pháp đếm thủ công tốn nhiều thời gian độ xác khơng cao Ý thức cần thiết đề tài nên tác giả định chọn đề tài “Giải pháp đếm giống ứng dụng công nghệ xử lý ảnh” để nghiên cứu 1.2 Lịch sử giải vấn đề 1.2.1 Ngồi nước Hình 1.1 Máy đếm quang học có hệ thống camera Theo nghiên cứu nhóm tác giả Brinson A.Lingenfelter, Addison L.Lawrence, Eric Steime, Will Flanery and Kurt Kramer, [1] máy Larvae Counting System Hình 1.1, sử dụng phương pháp kết hợp máy quét quang học phần mềm liên kết hình ảnh để đếm tơm Phương pháp làm giảm căng thẳng cho tơm tăng độ xác so với kỹ thuật truyền thống Thiết bị nặng kg, đếm tơm với tốc độ 1000 cá thể/phút, có độ xác 95% Giá đề xuất thị trường khoảng $30.000 Thiết bị thứ có tên The XperCount1 hình 1.2 Thiết bị XpertSea Solutions Inc [2] (một nhà sản xuất hàng đầu sản phẩm công nghệ tin học phần cứng phần mềm ngành thủy sản) sản xuất Thiết bị XperCount1 đếm động vật thủy sinh Artemia, vi tảo, ấu trùng tôm cá tôm cá giống Máy đếm sinh vật thùng nhựa HDPE có mức nước thấp 500 ml cao 10 lít nước, cho kết giây, với độ xác khoảng 95% Thiết bị XperCount1 thị trường có giá khoảng $5000 Hình 1.2 Máy đếm tơm, cá giống Năm 2016 XpertSea Solutions Inc, cho mắt thị trường Việt Nam thiết bị XpertCount2 với tính báo cáo chất lượng cho trại sản xuất giống Thiết bị XperCount2 sử dụng công nghệ quang học an toàn cho tất sinh vật Thiết bị đếm nhiều loại sinh vật, giúp người sử dụng đếm hàng nghìn sinh vật, từ tế bào vi tảo, ấu trùng đến hậu ấu trùng vài phút, độ xác > 95%, pin sử dụng từ 8-10 tiếng Hình 1.3 Máy đếm giống XperCount2 Các máy đếm tơm giống có giá cao, công nghệ đại sở sản xuất mua bán tôm giống nước nhập để sử dụng chưa nhiều Việc bảo trì, sử dụng loại máy khó khăn Các báo khoa học nước liên quan đến đề tài Theo tác giả Addthajaroon, S.Kiattisin, W.Chiracharit, K.Chamnongthai [3] sử dụng thuật toán biến đổi hệ số wavelet nhận dạng tơm giống Thuật tốn sử dụng phương pháp biến đổi hệ số wavelet thuận, sử dụng kỹ thuật xử lý hình thái xác định chiều dọc, ngang chéo để tìm đặc trưng chúng (ví dụ mắt), sau biến đổi wavelet ngược, có đặc trưng tìm thấy Nhược điểm phương pháp đếm tơm trùng lên độ xác khơng cao Kết đếm 80,61 % trường hợp hai trùng Hai tác giả W Khantuwan N Khiripet [4] sử dụng thuật toán biểu đồ đồng dạng màu (Co-occurrence Color Histogram) đếm tôm giống Tôm giống chứa chậu kính, hình ảnh xử lý trước để loại bỏ nhiễu, phân đoạn chia hai lớp tôm kết nối không kết nối với Đếm giải thuật giới hạn kích thước diện tích pixel Bài báo cơng bố kết thực nghiệm phương pháp xác 97% [10] P Neelamegam, S Abirami, K Vishnu Priya and S R Valantina, "Analysis of rice granules using image processing and nơ-ron network," Information & Communication Technologies (ICT), 2013 IEEE Conference on, JeJu Island, 2013, pp 879-884 [11] Võ Minh Trí, Nguyễn Minh Luân, Huỳnh Hoàng Giang, Nguyễn Quang Huy, Nguyễn Minh Kha, Huỳnh Thanh hiệp Máy đếm tơm giống có suất 6000 con/giờ Đại học Cần Thơ, 2014, 85 trang [12] Võ Minh Trí Bước đầu thiết kế chế tạo thử nghiệm thiết bị đếm tôm giống cảm biến quang Tạp chí khoa học trường Đại học Cần Thơ Số chuyên đề: Thủy sản (2014)(1):63-68 [13] Trương Quốc Bảo, Nguyễn Chánh Nghiệm, Nguyễn Minh Kha, Huỳnh Hoàng Giang, Võ Minh Trí Phát triển thuật tốn xử lý ảnh để phát đếm tơm giống Hội nghị tồn quốc lần thứ Điều khiển tự động hóa-VCCA,2015 [14] Nguyễn Văn Thái, Nhận dạng phân loại gạo, Luận văn thạc sĩ Đại học Bách Khoa TP.HCM, tháng 06/2005 [15] Huỳnh Thái Hồng Hệ thống điều khiển thơng minh NXB Đại học Quốc gia, 2006 58 PHỤ LỤC Code xác định điểm trọng tâm đối tượng %tinh tam (x0,y0): l = bwlabel(anhnhiphan); s = regionprops(l,'Centroid'); trongtam = s(1).Centroid; x0 = trongtam(1); y0 = trongtam(2); Code xác định điểm xuất phát %xac dinh diem bat dau de thuc hien chay doc theo bien cua ca: %diem bat dau xuat phat tai vi tri ma tai co ban kinh tinh tu (x0,y0) %den bien ca la lon nhat [ySize,xSize]=size(anhnhiphan); r_max = 0; for x = 1:1:xSize for y = 1:1:ySize if anhnhiphan(y,x) == r_x = abs(x - x0); r_y = abs(y - y0); r = sqrt(r_x*r_x + r_y*r_y); if r_max < r r_max = r; xStart = x; yStart = y; end end end end Code trích đặc trưng ảnh đối tượng %thiet lap ma tran chua toan bo cac diem la duong bien cua ca: duongbien = bwtraceboundary(anhnhiphan, [yStart xStart], 'NE', 8, Inf,'clockwise'); %lay du lieu de dua vao huan luyen cho mang than kinh nhan tao: %chia duong bien cua ca "somau" doan nho, tinh ban kinh tu %(x0,y0)den cac doan t = size(duongbien); sodiemduongbien = t(1); r = zeros(somau,1); theta = zeros(somau,1); for i = 1:somau pos = round((i-1)*sodiemduongbien/somau + 1); if (pos 0) r_x = duongbien(pos,2) - x0; r_y = duongbien(pos,1) - y0; 59 [theta(i) r(i)] = cart2pol(r_x,r_y); elseif pos > sodiemduongbien r_x = duongbien(sodiemduongbien,2) - x0; r_y = duongbien(sodiemduongbien,1) - y0; [theta(i) r(i)] = cart2pol(r_x,r_y); end end Code thực thiết kế mạng nơ-ron handles.net = newff(minmax(dulieuhuanluyen),[30 1],{logsig logsig},traingdm); handles.net.LW{2,1} = handles.net.LW{2,1}*0.1; handles.net.b{2} = handles.net.b{2}*0.1; handles.net.performFcn = mse; handles.net.trainParam.goal = 1e-3; handles.net.trainParam.show = 25; handles.net.trainParam.epochs = 250000; handles.net.trainParam.mc = 0.9; 60 GIẢI PHÁP ĐẾM CON GIỐNG ỨNG DỤNG CÔNG NGHỆ XỬ LÝ ẢNH SOLUTION OF FISH COUNTING USING IMAGE PROCESSING TECHNOLOGY Nguyễn Thị Tốt Học viên cao học trường Đại học Sư phạm Kỹ thuật TPHCM TĨM TẮT Tại Việt Nam, ngành ni trồng thủy sản phát triển mạnh đạt kết cao, hình thành nên phong trào ni trồng rộng rãi nhân dân Do đó, nhu cầu giống thị trường lớn Tuy nhiên, việc giao dịch mua bán giống ngày sử dụng phương pháp đếm truyền thống thông qua đếm mẫu ước lượng chủ yếu Phương pháp đếm thủ cơng tốn nhiều thời gian độ xác khơng cao Vì vậy, mục tiêu đề tài tìm giải pháp nhận dạng đếm giống xác nhanh chóng hơn, bỏ qua tạp chất trình đếm Luận văn thực dựa cơng nghệ xử lý hình ảnh mạng neural để nhận dạng đếm giống, thông qua phần mềm MATLAB để thực hai trình: nhận dạng đếm đối tượng giống Đầu tiên, ảnh cá cần nhận dạng đưa vào phần mềm trải qua bước tiền xử lý ảnh như: chuyển sang ảnh xám, lọc nhiễu, tăng độ tương phản, chuyển sang ảnh nhị phân, sau trích đặc trưng hình dạng cá giống, đưa liệu hình dạng cá giống vừa thu vào mạng thần kinh nhân tạo huấn luyện để nhận dạng cá giống Sau nhận dạng, hệ thống đưa định loại bỏ ảnh cá giống (ảnh tạp) giữ lại ảnh cá giống Đồng thời phần mềm thống kê số lượng cá giống có ảnh ban đầu Kết giải pháp có hiệu trường hợp đối tượng cá bơi riêng lẻ Trường hợp cá bơi chồng lên kết đếm khơng xác Từ khóa: xử lý ảnh, mạng nơ-ron, Matlab, đếm ABSTRACT In Vietnam, the aquaculture has grown significantly and achieved high results, formed the aquaculture movement among the people widely Therefore, fish demand in the market is very large However, the purchase and sale of fish seed today still use traditional methods of counting through counting and estimating sample is crucial This method takes a long time and the accuracy is not high Therefore, the objective of this research to find a way that count more accurately and faster, able to ignore the impurities in the counting process This thesis was based on image processing technology and neural network to identify and count baby fishs By using MATLAB software to perform two processes: identification and counting of seedling varieties Firstly, the image needed to be identified in the software will pre-processing steps such as graying, noise filtering, contrast enhancement, conversion to binary image, then 61 extracting the characteristics shape of the fish, followed by the data on the shape of the fish collected on the artificial neural network were trained to identify fishs After identified, the system will make a decision to remove the non-fish image and only retain the fish image At the same time the software also records the number of fish in the original image Experimental results show that it is effective in the case of individual fish swimming objects The counted results are not correctly when fish swim overlap Key words: image processing, neural network, fish, Matlab I GIỚI THIỆU Hiện nhu cầu giống thị trường lớn Tuy nhiên, việc giao dịch mua bán giống ngày sử dụng phương pháp đếm truyền thống thông qua đếm mẫu ước lượng chủ yếu Phương pháp đếm thủ cơng tốn nhiều thời gian độ xác không cao Ý thức cần thiết đề tài nên tác giả định chọn đề tài “Giải pháp đếm giống ứng dụng công nghệ xử lý ảnh” để nghiên cứu Trên giới có nhiều cơng trình nghiên cứu chế tạo thiết bị đếm giống chẳng hạn thiết bị Larvae Counting System [1] nhóm tác giả Brinson A.Lingenfelter, Addison L.Lawrence, Eric Steime, Will Flanery and Kurt Kramer; thiết bị The XperCount1 XpertSea Solutions Inc [2] (một nhà sản xuất hàng đầu sản phẩm công nghệ tin học phần cứng phần mềm ngành thủy sản) sản xuất Rất nhiều cơng trình nghiên cứu đề tài đếm giống thực như: Theo tác giả Addthajaroon, S.Kiattisin, W.Chiracharit, K.Chamnongthai [3] sử dụng thuật toán biến đổi hệ số wavelet nhận dạng tôm giống Thuật toán sử dụng phương pháp biến đổi hệ số wavelet thuận, sử dụng kỹ thuật xử lý hình thái xác định chiều dọc, ngang chéo để tìm đặc trưng chúng (ví dụ mắt), sau biến đổi wavelet ngược, có đặc trưng tìm thấy Nhược điểm phương pháp đếm tôm trùng lên độ xác khơng cao Kết đếm 80,61 % trường hợp hai trùng Hai tác giả W Khantuwan N Khiripet [4] sử dụng thuật toán biểu đồ đồng dạng màu (Co-occurrence Color Histogram) đếm tơm giống Tơm giống chứa chậu kính, hình ảnh xử lý trước để loại bỏ nhiễu, phân đoạn chia hai lớp tôm kết nối không kết nối với Đếm giải thuật giới hạn kích thước diện tích pixel Bài báo cơng bố kết thực nghiệm phương pháp xác 97% Theo Y.H.Toh cộng [5] trình bày giải pháp đơn giản để đếm cá tự động sử dụng kỹ thuật xử lý ảnh Đánh dấu đốm màu tương ứng với vị trí cá khung ảnh Ảnh sau lọc nhiễu xung quanh đốm màu Đếm số lượng đốm màu số cá có khung hình Kết cho thấy đếm số lượng cá với đàn cá có 5, 10, 15 50 Lỗi tăng lên theo số lượng cá Phương pháp hiệu số lượng cá Bởi đó, khoảng cách cá thể cá cách xa Khả cá bơi riêng lẻ nhiều, giảm số lượng cá bơi chồng lên Do đó, xử lý xác Các tác giả A Flores, P Crisostomo J Lopez [6] nghiên cứu đề tài hệ thống đếm ấu trùng sò Peruvian sử dụng kỹ thuật xử lý ảnh Theo L Li J Hong, sử dụng kỹ thuật xử lý ảnh để phân loại cá [7] 62 Nhìn chung, báo tác giả ứng dụng kỹ thuật xử lý ảnh việc nhận dạng đối tượng Sau đó, sử dụng phép tốn thống kê để đếm số lượng đối tượng ảnh nên độ xác chưa cao Vì vậy, để đạt độ xác cao nên kết hợp kỹ thuật xử lý ảnh mạng nơ-ron để học nhận dạng đếm số lượng đối tượng Việc kết hợp có nhiều đề tài nghiên cứu [8], [9], [10] Theo nghiên cứu Huỳnh Hoàng Giang, Nguyễn Minh Kha, Đại học Cần Thơ [11], xây dựng giải thuật xử lý ảnh hiệu nhận dạng đếm tơm giống Kết đếm có độ xác khoảng 94%, thời gian xử lý trung bình khoảng giây Bên cạnh đó, đề tài cịn tồn số hạn chế định như: độ xác giảm tơm có độ chênh lệch lớn kích thước, phép tốn hình thái thực post tơm có kích thước lớn (tơm post 12 đến tơm post 15) Trong báo này, tác giả trình bày phương pháp nhận dạng đếm giống sử dụng công nghệ xử lý ảnh mạng nơ-ron, giải pháp có khả loại bỏ tạp chất để tăng độ xác phép đếm Mục viết mô tả thiết kế chậu chứa cá giống thu thập ảnh cá ảnh tạp Nội dung thuật toán xử lý ảnh bao gồm: tiền xử lý ảnh, trích đặc trưng, nhận dạng ảnh sử dụng mạng nơ-ron Các kết thực nghiệm thảo luận trình bày mục III Kết luận định hướng đề cập mục IV báo PHƯƠNG PHÁP NGHIÊN CỨU Thiết kế chậu chứa cá giống Chậu chứa cá có nhiệm vụ chứa cá trình thu nhận ảnh đầu vào Chậu chứa yếu tố quan trọng ảnh hưởng lớn đến kết xử lý bước Chậu chứa phải đảm bảo số yêu cầu như: có màu tương phản với cá, ánh sáng phân bố tồn diện tích bể, độ cao mức nước khơng thay đổi tồn diện tích đáy chậu Để đáp ứng yêu cầu trên, sử dụng chậu chứa cá vật liệu mica, chậu chứa hình hộp vng, kích thước 13cmx13cm Nguồn sáng gồm bóng đèn led (9W, 806lm) đặt phía chậu chứa cách đáy chậu 18cm Camera có độ phân giải 13 Megapixel sử dụng đặt cố định phía chậu chứa, cách đáy chậu khoảng 15cm Chiều cao mực nước chứa bể từ 1cm đến 1,5 cm cho hạn chế việc cá bơi chồng lên Thu thập liệu ảnh cá ảnh tạp Việc thu nhận ảnh thực thiết bị máy chụp ảnh, camera, Kết nhận dạng ảnh phụ thuộc vào chất lượng ảnh thu nhận Chất lượng ảnh khơng ổn định gây nhiều khó khăn, làm kết xử lý bước không xác II Tác giả thực nghiệm cho cá tạp chất vào chậu chứa Dùng máy chụp hình kỹ thuật số (13 Megapixel) chụp lại ảnh cá ảnh tạp.Thực chụp nhiều lần, tác giả thu lượng lớn ảnh cá ảnh tạp dùng làm liệu huấn luyện mạng nơ-ron Sử dụng phần mềm để tách cá tạp chất riêng biệt Tác giả tạo 300 tập tin ảnh 300 cá có hình dạng bơi khác 150 tập tin ảnh 150 tạp chất Trong liệu ảnh cá ảnh tạp dùng để huấn luyện mạng nơ-ron 200 tập tin ảnh cá 100 tập tin ảnh tạp, 100 tập tin ảnh cá 50 tập tin ảnh tạp lại dùng để kiểm tra độ xác việc học mạng nơ-ron Tổng quát trình xử lý ảnh tổng quát 63 Quá trình xử lý ảnh tổng quát giải pháp trình bày hình Đầu tiên ảnh đầu vào camera thu nhận chuyển vào nhớ máy tính dạng ma trận số liệu ảnh Ảnh lưu trữ định dạng phù hợp cho bước xử lý Sau ảnh tiền xử lý để nâng cao chất lượng ảnh tiếp tục đến khâu trích đặc trưng ảnh làm sở để nhận dạng Hình 1: Quá trình xử lý ảnh tổng quát 3.1 Tiền xử lý ảnh Nhằm nâng cao chất lượng ảnh đầu ra, giữ lại đặc trưng quan trọng ảnh Trong luận văn, ảnh mẫu sau đưa vào hệ thống xử lý qua bước tiền xử lý hình Chuyển ảnh màu RGB sang ảnh xám Gray Đảo pixel ảnh xám Lọc nhiễu cho ảnh xám Tiền xử lý Tăng độ tương phản ảnh Chuyển ảnh xám sang ảnh nhị phân đen trắng Loại bỏ vùng đối tượng có pixel Hình 2: Các bước khâu tiền xử lý ảnh Đầu tiên, ảnh cá ban đầu (Hình 3) chuyển thành ảnh xám hình Do bước xác định trọng tâm ảnh ta cần hiển thị điểm trọng tâm nên đối tượng cá có màu đen khơng quan sát điểm trọng tâm Vì vậy, tác giả thực đảo pixel ảnh xám, kết sau thực đảo pixel ảnh xám ảnh đối tượng cá sáng ảnh (hình 5) Ảnh sau thực đảo pixel thực chất ảnh xám, nhiễu chưa khắc phục Vì vậy, bước thực lọc nhiễu cho ảnh Tác giả sử dụng lọc trung 64 vị để lọc nhiễu cho ảnh lọc có hiệu việc lọc nhiễu xung, nhiễu muối tiêu (Salt-pepper noise) mà giữ độ nét tần số cao.(hình 6) Kết sau lọc nhiễu thu ảnh xám ảnh lúc lọc nhiễu Ảnh tiếp tục tăng cường ảnh để làm tăng độ tương phản hai màu đen trắng rõ nét (hình 7) Để phân tích đối tượng ảnh cần phân biệt đối tượng cần khảo sát với phần lại ảnh (nền), tức cần phải tách đối tượng cần khảo sát khỏi phần nội dung cịn lại ảnh Vì bước ảnh phân đoạn chuyển sang ảnh nhị phân đen trắng Việc phân đoạn ảnh thực dựa ngưỡng giá trị xám để phân tách ảnh thành đối tượng Các điểm ảnh có giá trị mức xám bên ngưỡng giá trị xám thuộc điểm ảnh bên ngưỡng giá trị xám thuộc đối tượng [15] Kết ảnh sau chuyển sang ảnh nhị phân đen trắng hình Kết ảnh nhị phân chấm đen tạp chất chưa bị loại bỏ sau thuật toán lọc nhiễu ngưỡng phân đoạn chưa thực tốt để tách hoàn toàn đối tượng này, mặt khác thực tế có nhiều tạp chất nhỏ mà ta xây dựng chúng thành tập tin ảnh tạp mẫu để huấn luyện cho mạng nơ-ron Vì cần phải loại bỏ tạp chất nhỏ Để giải vấn đề này, tác giả sử dụng hàm imareaopen Matlab để thực loại bỏ vùng ảnh có số pixel 400 pixel Hình 3: Ảnh gốc Hình 4: Ảnh xám Hình 5: Ảnh đảo pixel Hình 6: Ảnh lọc nhiễu Hình 7: Ảnh tăng độ tương phản Hình 8: Ảnh nhị phân đen trắng 3.2 Trích đặc trưng Trích đặc trưng đối tượng trích rút thuộc tính đặc trưng riêng đối tượng vùng ảnh tách Sau đó, đặc tính đối tượng mơ tả giá trị số Tập hợp giá trị tạo thành vector mô tả mẫu 65 Trong đề tài này, tác giả sử dụng phương pháp trích đặc trưng ảnh hình dạng đối tượng ảnh Hình dạng đối tượng ảnh mơ tả đường bao vùng diện tích mà chiếm chỗ Các bước khâu trích đặc trưng giải pháp bao gồm bước hình Tìm trọng tâm đối tượng Tìm đường biên đối tượng Trích đặc trưng ảnh Phân đoạn đường biên đối tượng thành 200 đoạn nhỏ Tính 200 bán kính từ trọng tâm đến đoạn đường biên Hình 9: Các bước khâu trích đặc trưng ảnh Tìm trọng tâm ảnh cá Theo [15] việc xác định tọa độ trọng tâm đối tượng thực theo công thức sau: 𝑦𝑆𝑖𝑧𝑒 𝑥𝑆𝑖𝑧𝑒 𝑦𝑆𝑖𝑧𝑒 𝑆 = ∑𝑥𝑆𝑖𝑧𝑒 𝑥=1 ∑𝑦=1 𝑏𝑤(𝑥, 𝑦); 𝑀𝑥 = ∑𝑥=1 ∑𝑦=1 𝑦 𝑏𝑤(𝑥, 𝑦) 𝑥𝑆𝑖𝑧𝑒 𝑦𝑆𝑖𝑧𝑒 𝑀𝑦 = ∑ ∑ 𝑥 𝑏𝑤(𝑥, 𝑦) 𝑥0 = 𝑥=1 𝑦=1 𝑀𝑦 𝑆 ; 𝑦0 = 𝑀𝑥 𝑆 Trong đó: S diện tích đối tượng Mx, My momen so với trục x trục y xSize, ySize kích thước ảnh nhị phân đối tượng 𝑛ế𝑢 (𝑥, 𝑦) ∈ 𝐷 bw ảnh nhị phân, 𝑏𝑤 = { , D miền chứa đối tượng 𝑛ế𝑢 (𝑥, 𝑦) ∉ 𝐷 M0 = (x0,y0) tọa độ trọng tâm đối tượng Tìm điểm xuất phát 66 (1) Điểm xuất phát điểm mà bắt đầu thực trình chạy dọc đường biên ảnh cá, từ xác định điểm nằm đường biên cá Điểm xuất phát điểm mà bán kính tính từ tâm cá đến đường biên cá lớn (Hình 11) Trích đặc trưng ảnh cá Hình dạng cá xác định bán kính tính từ trọng tâm cá đến biên Trong đề tài này, tác giả chia đường biên cá thành 200 đoạn thẳng nhỏ, đặc trưng ảnh cá 200 bán kính tính từ trọng tâm cá đến 200 đoạn thẳng nhỏ tạo thành hình dạng cá (Hình 12) Hình 10: Trọng tâm ảnh cá Hình 11: Điểm xuất phát ảnh cá Hình 12: Trích đặc trưng ảnh cá Thiết kế huấn luyện mạng nơ-ron Để thiết kế mạng nơ-ron, cần xác định số nơ-ron lớp vào, số nơ-ron lớp ra, số lớp ẩn số nơ-ron lớp ẩn Do đặc trưng ảnh cá có 200 giá trị liệu nên số nơ-ron ngõ vào mạng nơ-ron xác định 200 Sau nhận dạng cho kết luận có phải ảnh cá hay khơng, xác định số nơ-ron ngõ nơron Quá trình thiết kế huấn luyện mạng nơ-ron tiến hành theo sơ đồ hình 13 Sau tiến hành chạy thử nhiều lần trình huấn luyện thử nghiệm mạng nơ-ron với liệu huấn luyện tạo trước đó, kết huấn luyện tốt chọn mạng nơ-ron mạng truyền thẳng lớp có thông số sau: Số nơ-ron ngõ vào: 200; Số nơ-ron lớp ẩn: 30; Số nơ-ron lớp xuất: 1; Hàm huấn luyện traingdx; Hàm truyền lớp ẩn: logsig; Hàm truyền lớp xuất: logsig; Hàm thực hiện: sse; Số hệ huấn luyện: 250000; Điểm hội tụ 10-5 Nhận dạng phân loại đếm cá giống Quá trình nhận dạng đếm cá giống tiến hành theo sơ đồ hình 14 Ảnh cá cần nhận dạng đếm camera kỹ thuật số thu đưa vào máy tính để xử lý Sau chuyển ảnh màu RGB sang dạng ảnh mức xám, thực đảo pixel, lọc nhiễu, tăng độ tương phản chuyển sang dạng ảnh nhị phân đen trắng 67 Lúc ảnh nhị phân đen trắng thu thực chất ma trận điểm ảnh, điểm ảnh biểu diễn hình dạng cá có giá trị (màu trắng), cịn điểm ảnh có giá trị (màu đen) Ghi nhãn đối tượng cá tạp có ảnh: Khi thực gán nhãn đối tượng cá tạp có ảnh lúc toàn ảnh chuyển thành dạng ma trận Tại điểm thuộc ảnh có giá trị 0, điểm thuộc ảnh đối tượng thứ có giá trị 1, tiếp tục điểm thuộc ảnh đối tượng thứ 2, thứ 3,…thì có giá trị 2, 3,… Tách riêng đối tượng Chương trình tiến hành tách riêng đối tượng đánh nhãn thứ tự, sau nhận dạng đối tượng riêng lẻ cho kết luận đối tượng vừa nhận dạng ảnh cá hay ảnh tạp Cuối chương trình giữ lại đối tượng ảnh cá Đồng thời, chương trình thống kê số lượng cá số lượng tạp ảnh ban đầu Kết giao diện phần mềm nhận dạng đếm cá hình 18 III KẾT QUẢ THỰC NGHIỆM VÀ THẢO LUẬN Số lượng cá mẫu đếm thủ cơng sau đếm lại giải thuật đề xuất để so sánh đánh giá kết Bảng liệt kê kết 10 lần nhận dạng đếm với số lượng cá mẫu tăng từ 10 đến 75 Bảng 1: Kết đếm cá với số lượng từ 10 đến 75 Số lượng cá Số lượng đếm Số lượng đếm Lần đếm Hiệu suất mẫu thực giải thuật Ảnh 10 cá 10 10 100 % Ảnh 22 cá 22 21 95,45% Ảnh 31 cá 31 31 100% Ảnh 33 cá 33 29 87,87% Ảnh 35 cá 35 32 91,43% Ảnh 49 cá 49 40 81,63% Ảnh 53 cá 53 51 96,23% Ảnh 67 cá 67 67 100% Ảnh 74 cá 74 70 94,59% 10 Ảnh 75 cá 75 72 96% Hiệu suất trung bình 10 lần đếm 99% Kết cho thấy hiệu suất giải thuật nhận dạng đếm giống đề xuất cho hiệu suất 99% mẫu chứa từ 10 đến 75 cá Qua số kết thực nghiệm ta thấy rằng: giải pháp đếm cá giống đạt hiệu trường hợp cá bơi riêng lẻ Kết đếm khơng xác cá bơi chồng nhau, bơi sát Giải thuật loại bỏ tạp chất trình đếm, kết đếm xác 68 IV KẾT LUẬN Đề tài đề xuất giải pháp nhận dạng đếm số lượng giống sử dụng công nghệ xử lý ảnh mạng nơ-ron Giải thuật bao gồm bước chính: tiền xử lý, trích đặc trưng nhận dạng cá giống sử dụng mạng nơ-ron nhân tạo Giải pháp có khả loại bỏ tạp chất trình đếm Qua kết thực nghiệm cho thấy giải pháp đếm cá giống cho kết đếm xác trường hợp cá bơi riêng lẻ Giải thuật loại bỏ tạp chất q trình đếm Bên cạnh đó, đề tài tồn số hạn chế định như: chưa đếm đối tượng cá giống bơi chồng nhau, bơi dính Hiện nay, nhu cầu thiết bị đếm giống thị trường lớn Vì vậy, đề tài "Giải pháp đếm giống ứng dụng cơng nghệ xử lý ảnh" có ý nghĩa thực tiễn lớn Đề tài mang tính minh họa cho việc ứng dụng xử lý ảnh số mạng nơ-ron sản xuất đời sống, để đề tài ứng dụng trực tiếp vào thực tế cần phải trải qua nhiều nghiên cứu Trong tương lai, tác giả tiếp tục phát triển thuật tốn để đếm xác trường hợp cá bơi chồng nhau, đồng thời tiến hành thiết kế thiết bị đếm giống tự động Ảnh cá ngẫu nhiên cần đếm Tạo liệu chuẩn dùng để huấn luyện mạng nơ-ron Tiền xử lý ảnh Thiết kế mạng nơ-ron Chuyển ảnh nhị phân thành dạng ma trận đồng thời ghi nhãn đối tượng có ảnh Đưa liệu vào để huấn luyện mạng nơ-ron Lần lượt tách đối tượng có ảnh để trích đặc trưng đưa vào mạng nơ-ron huấn luyện để nhận định giữ lại hay loại bỏ đối tượng vừa tách Thử nghiệm mạng nơ-ron để kiểm tra độ xác mạng Nếu mạng nơ-ron cho kết khơng xác mong muốn thay đổi liệu huấn luyện thiết kế lại mạng nơ-ron Sau nhận dạng hết tồn đối tượng có ảnh, cuối phần mềm kết hợp ảnh cá để đưa ảnh cuối gồm cá Thử nghiệm chọn mạng nơ-ron hoạt động có độ xác theo u cầu Hình 13: Sơ đồ trình thiết kế huấn luyện mạng nơ-ron 69 Hình 14: Sơ đồ trình nhận dạng đếm cá giống Hình 15: Ảnh cá cần nhận dạng đếm Hình 16: Ảnh nhị phân đen trắng Hình 17: Ghi nhãn đối tượng có ảnh Hình 18: Kết giao diện phần mềm nhận dạng đếm cá 70 TÀI LIỆU THAM KHẢO [1] Brinson A.Lingenfelter, Addison L.Lawrence, Eric Steime, Will Flanery and Kurt Kramer Optical Counter Provides Accurate Measurements Of Shrimp The global aquaculture advocate Vol 15(5) Pages: 100-101, 2012 [2] XpertSea Solutions Inc The Counter for Small AquaticOrganisms, 2012 [3] Addthajaroon, S.Kiattisin, W.Chiracharit, K.Chamnongthai “Young Shrimp detection by using modified directional wavelet coefcients” Pages: 79-82 University of Technology Thonburi - Thailand, 2008 [4] W Khantuwan and N Khiripet, "Live shrimp larvae counting method using cooccurrence color histogram," Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), 2012 9th International Conference on, Phetchaburi, 2012, pp 1-4 [5] Y H Toh, T M Ng and B K Liew, "Automated Fish Counting Using Image Processing," Computational Intelligence and Software Engineering, 2009 CiSE 2009 International Conference on, Wuhan, 2009, pp 1-5 [6] A Flores, P Crisostomo and J Lopez, "Peruvian Scallop larvae counting system using image processing techniques," 2008 7th International Caribbean Conference on Devices, Circuits and Systems, Cancun, 2008, pp 1-4 [7] L Li and J Hong, "Identification of fish species based on image processing and statistical analysis research," 2014 IEEE International Conference on Mechatronics and Automation, Tianjin, 2014, pp 1155-1160 [8] K Veropoulos, C Campbell and G Learmonth, "Image processing and nơ-ron computing used in the diagnosis of tuberculosis," Intelligent Methods in Healthcare and Medical Applications (Digest No 1998/514), IEE Colloquium on, York, 1998, pp 8/1-8/4 [9] M B A Miah and M A Yousuf, "Detection of lung cancer from CT image using image processing and nơ-ron network," Electrical Engineering and Information Communication Technology (ICEEICT), 2015 International Conference on, Dhaka, 2015, pp 1-6 [10] P Neelamegam, S Abirami, K Vishnu Priya and S R Valantina, "Analysis of rice granules using image processing and nơ-ron network," Information & Communication Technologies (ICT), 2013 IEEE Conference on, JeJu Island, 2013, pp 879-884 [11] Huỳnh Hoàng Giang, Nguyễn Minh Kha, Nhận dạng đếm số lượng tôm giống công nghệ xử lý ảnh, Luận văn Đại học Cần Thơ, tháng 05/2015 [12] Võ Minh Trí, Nguyễn Minh Luân, Huỳnh Hoàng Giang, Nguyễn Quang Huy, Nguyễn Minh Kha, Huỳnh Thanh hiệp Máy đếm tơm giống có suất 6000 con/giờ Đại học Cần Thơ, 2014, 85 trang 71 [13] Võ Minh Trí Bước đầu thiết kế chế tạo thử nghiệm thiết bị đếm tôm giống cảm biến quang Tạp chí khoa học trường Đại học Cần Thơ Số chuyên đề: Thủy sản (2014)(1):63-68 [14] Trương Quốc Bảo, Nguyễn Chánh Nghiệm, Nguyễn Minh Kha, Huỳnh Hoàng Giang, Võ Minh Trí Phát triển thuật tốn xử lý ảnh để phát đếm tơm giống Hội nghị tồn quốc lần thứ Điều khiển tự động hóa -VCCA, 2015 [15] Nguyễn Văn Thái, Nhận dạng phân loại gạo, Luận văn thạc sĩ Đại học Bách Khoa TP.HCM, tháng 06/2005 [16] Huỳnh Thái Hoàng Hệ thống điều khiển thông minh NXB Đại học Quốc gia, 2006 [17] Lương Mạnh Bá, Nguyễn Thanh Thủy Nhập môn xử lý ảnh số NXB Khoa học Kỹ thuật, 1999 [18] Matlab Image Processing Toolbox Thơng tin liên hệ tác giả (người chịu trách nhiệm viết): Họ tên: Nguyễn Thị Tốt Đơn vị: Điện thoại: 01228737936 Email: nguyenthitotf@gmail.com 72 ... Phương pháp nghiên cứu Chương 2: LÝ THUYẾT XỬ LÝ ẢNH .9 2.1 Tổng quan xử lý ảnh 2.2 Quá trình xử lý ảnh 2.3 Nội dung lý thuyết xử lý ảnh dùng... xây dựng giải pháp nhận dạng đếm giống ứng dụng công nghệ xử lý ảnh mạng nơ-ron Giải pháp có khả loại bỏ tạp chất bụi, cây, cành khơ,…trong q trình đếm 1.4 Nhiệm vụ giới hạn đề tài Ảnh cá sau... đề tài nên tác giả định chọn đề tài ? ?Giải pháp đếm giống ứng dụng công nghệ xử lý ảnh? ?? để nghiên cứu 1.2 Lịch sử giải vấn đề 1.2.1 Ngồi nước Hình 1.1 Máy đếm quang học có hệ thống camera Theo

Ngày đăng: 20/09/2022, 00:55

Nguồn tham khảo

Tài liệu tham khảo Loại Chi tiết
[3] Addthajaroon, S.Kiattisin, W.Chiracharit, K.Chamnongthai. “Young Shrimp detection by using modified directional wavelet coefcients”.Pages:79-82.University of Technology Thonburi - Thailand, 2008 Sách, tạp chí
Tiêu đề: Young Shrimp detection by using modified directional wavelet coefcients
[4] W. Khantuwan and N. Khiripet, "Live shrimp larvae counting method using co- occurrence color histogram," Electrical Engineering/Electronics, Computer, Telecommunications and Information Technology (ECTI-CON), 2012 9th International Conference on, Phetchaburi, 2012, pp. 1-4 Sách, tạp chí
Tiêu đề: Live shrimp larvae counting method using co-occurrence color histogram
[5] Y. H. Toh, T. M. Ng and B. K. Liew, "Automated Fish Counting Using Image Processing," Computational Intelligence and Software Engineering, 2009. CiSE 2009. International Conference on, Wuhan, 2009, pp. 1-5 Sách, tạp chí
Tiêu đề: Automated Fish Counting Using Image Processing
[6] A. Flores, P. Crisostomo and J. Lopez, "Peruvian Scallop larvae counting system using image processing techniques," 2008 7th International Caribbean Conference on Devices, Circuits and Systems, Cancun, 2008, pp. 1-4 Sách, tạp chí
Tiêu đề: Peruvian Scallop larvae counting system using image processing techniques
[7] L. Li and J. Hong, "Identification of fish species based on image processing and statistical analysis research," 2014 IEEE International Conference on Mechatronics and Automation, Tianjin, 2014, pp. 1155-1160 Sách, tạp chí
Tiêu đề: Identification of fish species based on image processing and statistical analysis research
[8] K. Veropoulos, C. Campbell and G. Learmonth, "Image processing and nơ-ron computing used in the diagnosis of tuberculosis," Intelligent Methods in Healthcare and Medical Applications (Digest No. 1998/514), IEE Colloquium on, York, 1998, pp. 8/1-8/4 Sách, tạp chí
Tiêu đề: Image processing and nơ-ron computing used in the diagnosis of tuberculosis
[9] M. B. A. Miah and M. A. Yousuf, "Detection of lung cancer from CT image using image processing and nơ-ron network," Electrical Engineering and Information Communication Technology (ICEEICT), 2015 International Conference on, Dhaka, 2015, pp. 1-6 Sách, tạp chí
Tiêu đề: Detection of lung cancer from CT image using image processing and nơ-ron network
[10] P. Neelamegam, S. Abirami, K. Vishnu Priya and S. R. Valantina, "Analysis of rice granules using image processing and nơ-ron network," Information &amp;Communication Technologies (ICT), 2013 IEEE Conference on, JeJu Island, 2013, pp. 879-884 Sách, tạp chí
Tiêu đề: Analysis of rice granules using image processing and nơ-ron network
[1] Brinson A.Lingenfelter, Addison L.Lawrence, Eric Steime, Will Flanery and Kurt Kramer. Optical Counter Provides Accurate Measurements Of Shrimp. The global aquaculture advocate. Vol. 15(5). Pages: 100-101, 2012 Khác
[11] Võ Minh Trí, Nguyễn Minh Luân, Huỳnh Hoàng Giang, Nguyễn Quang Huy, Nguyễn Minh Kha, Huỳnh Thanh hiệp. Máy đếm tôm giống có năng suất 6000 con/giờ. Đại học Cần Thơ, 2014, 85 trang Khác
[12] Võ Minh Trí. Bước đầu thiết kế chế tạo và thử nghiệm thiết bị đếm tôm giống bằng cảm biến quang. Tạp chí khoa học trường Đại học Cần Thơ. Số chuyên đề:Thủy sản (2014)(1):63-68 Khác
[13] Trương Quốc Bảo, Nguyễn Chánh Nghiệm, Nguyễn Minh Kha, Huỳnh Hoàng Giang, Võ Minh Trí. Phát triển thuật toán xử lý ảnh để phát hiện và đếm tôm giống.Hội nghị toàn quốc lần thứ 3 về Điều khiển và tự động hóa-VCCA,2015 Khác
[14] Nguyễn Văn Thái, Nhận dạng phân loại gạo, Luận văn thạc sĩ Đại học Bách Khoa TP.HCM, tháng 06/2005 Khác

HÌNH ẢNH LIÊN QUAN

Hình 1.1. Máy đếm quang học có hệ thống camera - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 1.1. Máy đếm quang học có hệ thống camera (Trang 8)
Hình 1.3. Máy đếm con giống XperCount2 - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 1.3. Máy đếm con giống XperCount2 (Trang 10)
Hình 1.4. Máy đếm tơm giống có năng suất 6000 con/giờ - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 1.4. Máy đếm tơm giống có năng suất 6000 con/giờ (Trang 13)
Hình 1.5. Mơ hình thiết bị đếm tôm - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 1.5. Mơ hình thiết bị đếm tôm (Trang 13)
Hình 2.2. Các bước tiền xử lý ảnhTiền xử lý  - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 2.2. Các bước tiền xử lý ảnhTiền xử lý (Trang 18)
Trong đề tài này, khâu trích đặc trưng ảnh trải qua các bước như hình sau: - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
rong đề tài này, khâu trích đặc trưng ảnh trải qua các bước như hình sau: (Trang 19)
Hình 3.2 Mơ tả cách học có giám sát [15] + Học củng cố (Reinforced learning)  - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 3.2 Mơ tả cách học có giám sát [15] + Học củng cố (Reinforced learning) (Trang 37)
Hình 3.3 Mơ tả cách học củng cố [15] + Học khơng có giảm sát (Unsupervised learning)  - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 3.3 Mơ tả cách học củng cố [15] + Học khơng có giảm sát (Unsupervised learning) (Trang 38)
Hình 3.5 Mơ hình mạng Perceptron 1 lớp (mạng truyền thẳng 1 lớp) - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 3.5 Mơ hình mạng Perceptron 1 lớp (mạng truyền thẳng 1 lớp) (Trang 39)
Hình 3.6 Mạng truyền thẳng nhiều lớp - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 3.6 Mạng truyền thẳng nhiều lớp (Trang 41)
Hình 4.1 Chậu chứa cá giống - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 4.1 Chậu chứa cá giống (Trang 43)
Hình 4.2 Một số hình ảnh cá - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 4.2 Một số hình ảnh cá (Trang 45)
Hình 4.3. Một số hình ảnh tạp - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 4.3. Một số hình ảnh tạp (Trang 45)
Hình 4.4. Giao diện đồ họa chương trình nhận dạng và đếm cá - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 4.4. Giao diện đồ họa chương trình nhận dạng và đếm cá (Trang 46)
Hình 4.14 Sơ đồ quá trình huấn luyện mạng nơ-ron - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 4.14 Sơ đồ quá trình huấn luyện mạng nơ-ron (Trang 51)
Chọn mơ hình mạng nơ-ron - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
h ọn mơ hình mạng nơ-ron (Trang 52)
Sơ đồ huấn luyện ban đầu cho mạng nơ-ron như hình 4.16 - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Sơ đồ hu ấn luyện ban đầu cho mạng nơ-ron như hình 4.16 (Trang 53)
Hình 4.17 Sơ đồ quá trình kiểm tra độ chính xác của mạng nơ-ron vừa được huấn luyện  - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 4.17 Sơ đồ quá trình kiểm tra độ chính xác của mạng nơ-ron vừa được huấn luyện (Trang 54)
Hình 4.18 Sơ đồ quá trình nhận dạng và đếm cá - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 4.18 Sơ đồ quá trình nhận dạng và đếm cá (Trang 55)
Hình 4.22 Kết quả và giao diện phần mềm nhận dạng và đếm cá - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 4.22 Kết quả và giao diện phần mềm nhận dạng và đếm cá (Trang 57)
4.7 Một số kết quả chạy chương trình phần mềm nhận dạng và đếm cá thu được:  - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
4.7 Một số kết quả chạy chương trình phần mềm nhận dạng và đếm cá thu được: (Trang 57)
Bảng 1 liệt kê kết quả của 10 lần nhận dạng và đếm với số lượng cá trong mỗi mẫu tăng từ 10 con đến 75 con - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Bảng 1 liệt kê kết quả của 10 lần nhận dạng và đếm với số lượng cá trong mỗi mẫu tăng từ 10 con đến 75 con (Trang 61)
Bảng 1: Kết quả đếm cá với số lượng từ 10 đến 75 con - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Bảng 1 Kết quả đếm cá với số lượng từ 10 đến 75 con (Trang 62)
Hình 1: Quá trình xử lý ảnh tổng quát 3.1 Tiền xử lý ảnh  - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 1 Quá trình xử lý ảnh tổng quát 3.1 Tiền xử lý ảnh (Trang 71)
Hình 13: Sơ đồ quá trình thiết kế và huấn luyện mạng nơ-ron  - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 13 Sơ đồ quá trình thiết kế và huấn luyện mạng nơ-ron (Trang 76)
Hình 14: Sơ đồ quá trình nhận dạng và đếm cá giống  - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 14 Sơ đồ quá trình nhận dạng và đếm cá giống (Trang 76)
Hình 16: Ảnh nhị phân đen trắng  - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 16 Ảnh nhị phân đen trắng (Trang 77)
Hình 15: Ảnh cá cần nhận dạng và đếm  - Giải pháp đếm con giống ứng dụng công nghệ xử lý ảnh
Hình 15 Ảnh cá cần nhận dạng và đếm (Trang 77)

TRÍCH ĐOẠN

TÀI LIỆU CÙNG NGƯỜI DÙNG

TÀI LIỆU LIÊN QUAN

w