| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 引言 | 第10-19页 |
| 1.1 研究背景及问题的提出 | 第10-11页 |
| 1.2 国内外水产养殖现状 | 第11-13页 |
| 1.2.1 养殖方式 | 第11-13页 |
| 1.2.2 饵料投喂方式 | 第13页 |
| 1.3 国内外鱼群摄食行为的研究现状 | 第13-15页 |
| 1.4 研究目标和内容安排 | 第15-18页 |
| 1.4.1 研究目标和主要内容 | 第15-17页 |
| 1.4.2 论文章节结构 | 第17-18页 |
| 1.5 小结 | 第18-19页 |
| 第二章 鱼群图像的采集及形状与纹理信息的提取 | 第19-37页 |
| 2.1 图像采集系统 | 第19-21页 |
| 2.1.1 实验对象 | 第19-20页 |
| 2.1.2 视频采集系统 | 第20-21页 |
| 2.2 图像的预处理以及图像特征的提取 | 第21-37页 |
| 2.2.1 鱼群图像的预处理 | 第22-24页 |
| 2.2.2 鱼群图像的纹理特征 | 第24-30页 |
| 2.2.3 鱼群图像的形状特征 | 第30-37页 |
| 第三章 BP神经网络模型的构建 | 第37-45页 |
| 3.1 几种常见的图像识别技术的简单介绍及对比分析 | 第37-42页 |
| 3.1.1 支持向量机 | 第37-38页 |
| 3.1.2 径向基函数神经网络 | 第38-39页 |
| 3.1.3 BP神经网络 | 第39-42页 |
| 3.2 鱼群摄食行为检测的BP神经网络模型构建 | 第42-45页 |
| 第四章 基于计算机视觉与BP神经网络的鱼群摄食双胎检测 | 第45-51页 |
| 4.1 基于纹理特征与BP神经网络的鱼群摄食状态检测 | 第45-46页 |
| 4.2 基于形状参数与熵的鱼群摄食状态检测 | 第46-47页 |
| 4.3 用两种方法测得的鱼群摄食行为检测结果的比较 | 第47-51页 |
| 4.3.1 两种方法的检测结果对比 | 第47-49页 |
| 4.3.2 BP神经网络的评价指标及结果对比 | 第49-51页 |
| 第五章 总结与展望 | 第51-53页 |
| 5.1 结论 | 第51-52页 |
| 5.2 未来展望 | 第52-53页 |
| 参考文献 | 第53-58页 |
| 附录 | 第58-59页 |
| 附录一 攻读硕士学位期间的科研成果 | 第58-59页 |
| 致谢 | 第59页 |
