基于自适应参数调谐与视差图修复的双目视觉鱼类质量估计算法研究及其在水产养殖中的应用

为解决传统鱼类质量测量方法侵入性强、人工参数调谐效率低的问题，研究人员开展基于APT-DMR（自适应参数调谐-视差图修复）与MLR（多元线性回归）的双目视觉质量估计研究。通过构建ZED 2双目相机采集系统，创新性提出鱼体深度比特征，实现MAE 0.0061、R2 0.9338的精准预测，为智能化水产养殖提供非接触式监测方案。

　　

在水产养殖领域，准确获取鱼类生长参数直接关系到投喂管理优化与经济效益提升。传统质量测量需将鱼体离水称重，不仅导致鱼体应激反应，频繁操作更易造成鱼体损伤。虽然计算机视觉技术已应用于该领域，但单目相机缺乏深度信息，而现有双目视觉方法依赖人工调参获取视差图，存在效率低、随机性大等缺陷。这些痛点严重制约着智能化养殖的发展进程。

扬州大学的研究团队在《Aquacultural Engineering》发表的研究中，创新性地将自适应参数调谐技术引入视差图修复过程，构建了APT-DMR-MLR三重技术框架。研究以鲫鱼为对象，使用ZED 2双目相机搭建实验平台，采集90 cm×65 cm×70 cm养殖缸中的活体鱼图像。关键技术包括：基于三角测量原理的三维坐标重建、鱼体深度比新特征设计、以及融合二维/三维特征的多元线性回归建模。

【数据收集】实验平台配备0.1 g精度电子秤与1 mm精度测量尺，确保基础数据可靠性。通过严格校准的双目相机获取侧视图像，为后续处理提供高质量原始数据。

【图像预处理】研究采用多级处理流程：图像分割→二值化→降噪→轮廓提取。结果显示该方法能精准提取鱼体轮廓，消除水体环境干扰，为特征提取奠定基础。

【二维特征提取】从预处理图像中成功获取鱼体长度、宽度等传统形态学参数，这些参数与质量存在显著相关性，但单独使用时预测精度有限。

【APT-DMR视差图获取】该方法的创新性体现在：1）通过自适应算法动态优化视差图参数，替代传统人工调参；2）采用修复技术提升匹配点精度。实验证明该方法显著降低人工干预，同时保证三维坐标计算准确性。

【三维特征计算】基于三角测量原理，从左右视图匹配点计算空间坐标，并创新性提出"鱼体深度比"特征。该特征有效弥补传统方法对鱼体厚度描述的不足，使模型R²提升至0.9338。

【质量预测模型】MLR模型整合二维长度、宽度及三维深度比等特征，最终实现MAE 0.0061、RMSE 0.0084的预测精度。对比实验显示，其性能显著优于PR-Weight、DTR-Weight等五种对照方法。

该研究突破传统视差图获取方式的技术瓶颈，首次实现鱼类三维特征的自动化精确提取。所提出的深度比特征为水产动物形态分析提供新维度，其非接触测量特性可减少90%以上的鱼体应激操作。技术成果已获中国博士后科学基金（2023M732995）等多项支持，为构建智能化养殖管理系统提供核心算法支撑。未来可通过扩大鱼种验证范围、融合深度学习技术进一步提升模型泛化能力。