一种鱼类深加工自动计数系统、鱼体质量预测方法、终端

1.本发明属于鱼类深加工领域，尤其涉及一种鱼类深加工过程中的自动计数 检测系统、鱼体质量预测方法、终端。


背景技术：

2.目前，在鱼类深加工行业中，鱼类流水线上的计数装置比较多样，但是大 部分的计数工作都是人工实现的，其测量准确性和使用方便性都亟待提高，计 数员的工作量和劳动强度相当大，从而使计数员的工作效率低、误差大；因此， 研究一种使用方便，准确性高的运用智能化控制的计数装置，来对食品深加工 流水线上的鱼体进行计数，这对于鱼体深加工流水线的发展有重要的现实意义。
3.通过上述分析，现有技术存在的问题及缺陷为：人工计数很难保证计数准 确性，且人工计数效率过低。


技术实现要素：

4.针对现有技术存在的问题，本发明提供了一种鱼类深加工过程中的自动计 数检测系统、鱼体质量预测方法、终端。
5.本发明是这样实现的，一种鱼类深加工自动计数系统，所述鱼类深加工自 动计数系统设置有传送系统；
6.所述传送系统包括：第一输送带、工作台、漏斗状计数系统、第二输送带； 所述工作台位于第一输送带两侧，工作台上并安装有随时冲洗工作台上产生的 废弃物的水龙头；所述工作台上安装有控制第一输送带速度按钮，用于调控第 一输送带速度，经处理后的物体进入漏斗状计数系统；经漏斗状计数系统计数 后的物体在第二输送带上排列整齐进入后续工序；
7.所述漏斗状计数系统包括：拍摄装置、第一活动门、第二活动门、末端摆 正器、第一感应开关装置和识别控制器、第二感应开关装置和识别控制器；
8.第一活动门、第二活动门上分别安装有第一感应开关和识别控制器、第二 感应开关和识别控制器，同时第一活动门和第二活动门连接到拍摄装置；末端 摆正器辅助使物体摆正；
9.第一活动门、第二活动门通过复位铰链铰接在斜向漏斗的内部侧壁；
10.第一活动门对应的第一感应开关装置包括第一感应片及第一感应开关，第 二活动门对应的第二感应开关装置包括第二感应片及第二感应开关；
11.第一感应片、第二感应片分别与第一活动门、第二活动门同轴铰接在所述 斜向漏斗的内部侧壁并同步转动；
12.第一感应开关装置、第二感应开关装置设置在斜向漏斗的内部侧壁并且处 于对应的感应片的感应部位的运动轨迹上；
13.漏斗内壁上方安装的拍摄装置和第一感应开关装置、第二感应开关装置连 接，在
物体触发第一感应开关装置、第二感应开关装置时，触发漏斗状计数系 统，同时触发拍摄装置，拍摄装置对下方物体进行拍照，记录鱼体状态，作为 后续追踪信息记录下来；
14.所述第一感应开关装置将信号传递给对应的识别控制器，而后传递给单片 机，单片机通过设定的程序，对此进行计录，并实时将数字传递给显示器进行 显示。
15.进一步，物体进入漏斗状计数系统后完成计数，拍摄，摆放工作，检测装 置对物体质量进行检测，在漏斗状计数系统的漏斗状末端按照物体大小进行筛 选，同时拍摄装置对物体进行拍摄记录并编号，以及质量预测。
16.进一步，所述第一活动门和第二活动门以及分别配置的第一感应开关装置、 第二感应开关装置的安装位置根据待检测的物体尺寸设定。
17.本发明的另一目的在于提供一种鱼体质量预测方法通过拍摄装置对鱼体进 行拍摄记录并编号以及进行质量预测，具体包括：
18.步骤一，将鱼体拍摄记录图像进行色度补偿以得到补偿后图像，将该补偿 后的图像进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内 的至少一个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转 来变换经过对齐的图像中的一个或者更多个以产生一系列经过变换的鱼体图 像；
19.所述拼接后的图像生成图像的数据矩阵，并对数据矩阵进行中心化或标准 化，计算中心化或标准化后的所述数据矩阵的方差矩阵，将方差矩阵的特征多 项式转换为高次特征多项式，根据下式对所述数据矩阵进行标准化：
[0020][0021]
式中：
[0022][0023][0024]
得到：
[0025]
a＝(a
ij
)m×n；
[0026]
m为数据矩阵的行数，n为数据矩阵的列数，i＝1，2，...，m，j＝1，2，...，n；xij为数据矩阵中第i行第j列的数据；
[0027]
步骤二，对接收到的变换的鱼体图像的观测向量x做分数低阶快速独立成 分分析，将接收到的变换的鱼体图像分离为发送变换的鱼体图像和alpha稳定 分布噪声；所述接收变换的鱼体图像的观测向量x的分数低阶快速独立成分分析 按以下进行：
[0028]
1)将观测向量x减去均值进行中心化，利用主要分量分析对中心化后的 观测向量进行分数低阶预白化处理，得到白化矩阵v，其中，独立成分分析 (pca)中用到的分数低阶相关矩阵定义为
[0029][0030]
其中，xi(n)和xj(n)分别为第i路和第j路观测变换的鱼体图像，且 1≤i，j≤2，*代
表取共轭，对分数低阶相关矩阵进行特征值分解可以得到特征 值矩阵d与特征向量矩阵v，由特征值矩阵和特征向量矩阵可得预白化矩阵 m＝d-1/2vt
，利用预白化矩阵将观测数据x向变换的鱼体图像子空间投影，得 到白化矩阵v＝mx；
[0031]
2)对权向量w0进行随机初始化，同时初始化序列号k使k＝1；
[0032]
3)进行权值向量迭代
[0033][0034]
其中，和为一阶统计量，g(
·
)是对比函数， η＝e[w
t
xg(w
t
x)]，且在权值的迭代过程中参数λ是可变的，且λ＜1；
[0035]
4)利用范数归一化权值向量wk，wk＝wk/||wk||；
[0036]
5)若充分接近于1，算法得到收敛，wk就是最终的解混矩阵，执 行6)，否则重复步骤3)与步骤4)；
[0037]
6)y＝wkx，其中x为观测变换的鱼体图像，y为分离后的二维变换的鱼体 图像；
[0038]
步骤三，对分离出的发送变换的鱼体图像s(n)做基于插值的总体平均局部 均值分解(lmd)，将发送变换的鱼体图像分解成多个分量；
[0039]
步骤四，提取第一个分类特征：分量的分段瞬时频率标准差σf和设定 相应的门限δ1；
[0040]
步骤五，提取第二个分类特征：分量的分段瞬时幅值标准差σa和设定 相应的门限δ2和δ3；
[0041]
步骤六，利用门限δ1将变换的鱼体图像集{msk、2ask、qpsk、16qam} 分为{msk}和{2ask、qpsk、16qam}两类，利用门限δ2和δ3将变换的鱼体 图像集{2ask、qpsk、16qam}中检测的鱼体图像识别出来。
[0042]
进一步，所述步骤三，所述分离出的发送变换的鱼体图像s(n)的基于插值的 总体平均lmd按以下进行：
[0043]
1)给发送变换的鱼体图像s(n)加上一组白噪声v(n)，得到一个总体s(n)：
[0044]
s(n)＝s(n) v(n)
[0045]
2)确定总体s(n)所有的局部极值点ni，计算相邻两个极值点ni和n
i 1
的平均 值mi，即
[0046][0047]
利用三次样条插值确定局部均值函数m
11
(n)；
[0048]
3)采用局部极值点ni计算包络估计值ai[0049][0050]
利用三次样条插值确定包络估计函数a
11
(n)；
[0051]
4)从总体s(n)中分离分离出局部均值函数m
11
(n)，得到
[0052]h11
(n)＝s(n)-m
11
(n)
[0053]
5)用h
11
(n)除以包络估计函数a
11
(n)，以对h
11
(n)进行解调，得到
[0054][0055]
其中，
[0056]h11
(n)＝s(n)-m
11
(n)
[0057]h12
(n)＝s
11
(n)-m
12
(n)
[0058]
.
[0059]
.
[0060]
.
[0061]h1n
(n)＝s
1(n-1)
(n)-m
1n
(n)
[0062]
式中：
[0063][0064][0065]
.
[0066]
.
[0067]
.
[0068][0069]
迭代终止的条件为：
[0070]
1-δ≤a
1n
(n)≤1 δ
[0071]
其中，δ为大于0的任意实数；
[0072]
6)把迭代过程中产生的所有包络估计函数相乘便可以得到包络变换的鱼体 图像，其包括，
[0073][0074]
7)将包络变换的鱼体图像a1(n)和纯调频变换的鱼体图像s
1n
(n)相乘便可以得 到原始变换的鱼体图像的第1个分量
[0075]
pf1(n)＝a1(n)s
1n
(n)
[0076]
它包含了原始变换的鱼体图像中最高的频率成分，是一个单分量的调幅-调 频变换的鱼体图像，其瞬时幅值就是包络变换的鱼体图像a1(n)，其瞬时频率 f1(n)则可由纯调频变换的鱼体图像s
1n
(n)求出，即：
[0077][0078]
8)将第1个pf分量pf1从发送变换的鱼体图像s(n)中分离出来，得到一个 新的变换的鱼体图像u1(n)，将u1(n)作为原始数据重复步骤1)至步骤7)，并循 环k次，直到uk(n)为一个单调函数；
[0079]
u1(n)＝s(n)-pf1(n)
[0080]
u2(n)＝u1(n)-pf2(n)
[0081]
uk(n)＝u
k-1
(n)-pfk(n)
[0082]
至此，将变换的鱼体图像s(n)分解为k个pf分量和一个单调函数uk(n)之 和，即
[0083][0084]
9)给发送变换的鱼体图像s(n)加入不同的白噪声ni(n)，重复步骤1)-8)：
[0085]
si(n)＝s(n) ni(n)
[0086]
分解后得到的各个总体的pf分量组为pf
ip
[0087][0088]
10)取各个组pf的均值作为最终的pf组：
[0089][0090][0091]
其中，n表示表示添加噪声的次数，最后发送变换的鱼体图像的lmd分 解可表示为：
[0092][0093]
进一步，所述步骤四所述分量的分段瞬时频率标准差σf和设定相应的门 限δ1按以下进行：
[0094]
分量的分段频率标准差σf定义为：对于变换的鱼体图像的分量中的 纯调频变换的鱼体图像s
1n
(n)，计算其瞬时频率f1(n)，将得到的瞬时频率序列分 成m段，每段n个点，然后计算每段的瞬时频率的均值，最后求m段频率的标 准差，即
[0095][0096]
其中，为第i段瞬时频率的均值，f
1i
(j)为分量的第i段数据的 第j个点的瞬时频率值；为分量的瞬时频率的均值；
[0097]
门限设定如下：
[0098][0099]
其中min(σ
f-msk
)表示msk变换的鱼体图像的特征值σf的最小值， max(σ
f-2ask
，σ
f-qpsk
，σ
f-16qam
)为2ask、qpsk和16qam变换的鱼体图像的特征值σf的最大值。
[0100]
进一步，所述步骤五所述分量的分段瞬时幅值标准差σa和设定相应的门 限δ2和δ3按以下进行：
[0101]
的分段瞬时幅值标准差σa定义为：对于变换的鱼体图像的pf1分量，将 其a1(n)
分成m段，每段n个点，然后计算每段的瞬时幅值的均值，最后求m段 幅值的标准差，即
[0102][0103]
其中，为第i段瞬时幅值的均值，a
1i
(j)为分量的第i段数据的 第j个点的瞬时幅值；为pf1分量的瞬时幅值的均值；
[0104]
门限设定如下：
[0105][0106][0107]
其中min(σ
a-ask
)表示2ask变换的鱼体图像的特征值σa的最小值， max(σ
a-16qam
)和min(σ
a-qpsk
)分别为16qam变换的鱼体图像的特征值σa的最大值 和最小值，max(σ
a-qpsk
)为qpsk变换的鱼体图像的特征值σa的最大值。
[0108]
本发明的另一目的在于提供一种计算机设备，所述计算机设备包括存储器 和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行 时，使得所述处理器执行所述的鱼体质量预测方法。
[0109]
本发明的另一目的在于提供一种计算机可读存储介质，存储有计算机程序， 所述计算机程序被处理器执行时，使得所述处理器执行所述的鱼体质量预测方 法。
[0110]
本发明的另一目的在于提供一种信息数据处理终端，其特征在于，所述信 息数据处理终端用于实现所述的鱼体质量预测方法。
[0111]
结合上述的所有技术方案，本发明所具备的优点及积极效果为：
[0112]
本发明提供的鱼类深加工自动计数系统及方法，检测方法简单并且精度高， 满足了鱼类深加工现场快速计数检测的需求；还能根据鱼类计数检测信息对鱼 类深加工的未来质量进行预测，更加实用，可广泛应用于鱼类深加工计数领域。
[0113]
本发明所述鱼体质量预测方法通过拍摄装置对鱼体进行拍摄记录并编号以 及进行质量预测，具体包括：
[0114]
将鱼体拍摄记录图像进行色度补偿以得到补偿后图像，将该补偿后的图像 进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内的至少一 个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转来变换经 过对齐的图像中的一个或者更多个以产生一系列经过变换的鱼体图像；
[0115]
对接收到的变换的鱼体图像的观测向量x做分数低阶快速独立成分分析， 将接收到的变换的鱼体图像分离为发送变换的鱼体图像和alpha稳定分布噪声；
[0116]
对分离出的发送变换的鱼体图像s(n)做基于插值的总体平均局部均值分解 (lmd)，将发送变换的鱼体图像分解成多个分量；提取第一个分类特征：pf1分量的分段瞬时频率标准差σf和设定相应的门限δ1；
[0117]
提取第二个分类特征：分量的分段瞬时幅值标准差σa和设定相应的门 限δ2和δ3；利用门限δ1将变换的鱼体图像集{msk、2ask、qpsk、16qam} 分为{msk}和{2ask、qpsk、
16qam}两类，利用门限δ2和δ3将变换的鱼体 图像集{2ask、qpsk、16qam}中检测的鱼体图像识别出来。提高了识别质 量。
附图说明
[0118]
为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所 需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本技术 的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下 还可以根据这些附图获得其他的附图。
[0119]
图1是本发明实施例提供的鱼类深加工自动计数系统的传送系统构图。
[0120]
图中：1、第一输送带，2、工作台，3、漏斗状计数系统，4、第二输送带。
[0121]
图2是本发明实施例提供的鱼类深加工自动计数系统中漏斗状计数系统结 构示意图，
[0122]
图2中：5、拍摄装置；6、第一活动门；7、第二活动门；8、末端摆正器； 9、第一感应开关装置和识别控制器；10、第二感应开关装置和识别控制器。
[0123]
图3为是本发明实施例提供的拍摄装置连接图。
[0124]
图3中：11、电源；12、检测装置；13、单片机；14、显示器。
具体实施方式
[0125]
为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例， 对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以 解释本发明，并不用于限定本发明。
[0126]
针对现有技术存在的问题，本发明提供了一种鱼类深加工自动计数系统及 方法，下面结合附图对本发明作详细的描述。
[0127]
如图1所示，鱼类深加工自动计数系统的传送系统包括：第一输送带1，工 作台2、漏斗状计数系统3、第二输送带4，工作台2位于第一输送带1两侧， 工作台2上安装一个水龙头，可随时冲洗工作台上产生的废弃物，为合理计数 并保证鱼体质量和加工过程中的效率，首先鱼体自第一输送带输送过来，然后 工作台2上工作人员对鱼体进行初步加工，可剖腹，去鳍等初级处理，处理后 重新放回到输送带上，同时工作台上有控制第一输送带速度按钮，可以调控第 一输送带速度，鱼体经处理后进入漏斗状计数系统3。鱼体经漏斗状计数系统3 计数后会在第二输送带4上排列整齐进入后续加工过程。
[0128]
如图2所示，漏斗状计数系统包括：拍摄装置5、第一活动门6、第二活动 门7、末端摆正器8、第一感应开关装置和识别控制器9、第二感应开关装置和 识别控制器10；
[0129]
第一活动门6、第二活动门7上分别安装有第一感应开关和识别控制器9、 第二感应开关和识别控制器10，同时第一活动门6和第二活动门7连接到拍摄 装置5。末端摆正器8可以辅助使鱼体摆正。
[0130]
斜向漏斗内部末端设有两个活动门分别为第一活动门和第二活动门，分别 配置一感应开关装置。二道活动门及感应开关装置的安装位置是根据鱼体的尺 寸设定的。
[0131]
第一活动门、第二活动门通过复位铰链(复位铰链的结构中包括有轴体) 铰接在斜向漏斗的内部侧壁。第一活动门对应的第一感应开关装置分别都包括 第一感应片及第
一感应开关，第二活动门对应的第二感应开关装置包括第二感 应片及第二感应开关。
[0132]
第一感应片、第二感应片分别与第一活动门、第二活动门同轴铰接在所述 斜向漏斗的内部侧壁并同步转动。第一感应开关装置、第二感应开关装置设置 在斜向漏斗的内部侧壁并且处于对应的感应片的感应部位的运动轨迹上。
[0133]
如图3所示，漏斗内壁上方有一拍摄装置5，拍摄装置和第一感应开关装 置、第二感应开关装置连接，在鱼体触发第一感应开关装置、第二感应开关装 置时，触发计数系统，同时会触发拍摄装置5，拍摄装置5会对下方鱼体进行拍 照，记录鱼体状态，作为后续食品追踪信息记录下来。
[0134]
鱼体通过第一活动门时会触发第一活动门上第一感应装置，第一感应装置 将信号传递给识别控制器，而后将传递给单片机13，单片机设定程序，对此进 行计录，并实时将数字传递给显示系统，通过显示器14显示出来。
[0135]
鱼体进入漏斗状计数系统后会完成计数，拍摄，摆放工作，首先是检测装 置12，对鱼体质量进行检测，该漏斗状在末端大小约仅允许中型鱼体单行通过， 可以将过大鱼体筛选出来，同时拍摄装置会对一个鱼体进行拍摄记录并编号， 以保留鱼体加工食品追溯，进行食品质量预测，确保食品质量。
[0136]
电源11为上述装置供电。
[0137]
下面结合鱼体质量预测方法对本发明技术方案作进一步描述，。
[0138]
本发明通过拍摄装置对鱼体进行拍摄记录并编号以及进行质量预测，具体 包括：
[0139]
步骤1，将鱼体拍摄记录图像进行色度补偿以得到补偿后图像，将该补偿后 的图像进行拼接，从多个拼接图像中定义供处理的一组图像，使该组图像内的 至少一个成分对齐，通过对一个或者更多个图像进行剪裁、调整大小和旋转来 变换经过对齐的图像中的一个或者更多个以产生一系列经过变换的鱼体图像；
[0140]
所述拼接后的图像生成图像的数据矩阵，并对数据矩阵进行中心化或标准 化，计算中心化或标准化后的所述数据矩阵的方差矩阵，将方差矩阵的特征多 项式转换为高次特征多项式，根据下式对所述数据矩阵进行标准化：
[0141][0142]
式中：
[0143][0144][0145]
得到：
[0146]
a＝(a
ij
)m×n；
[0147]
m为数据矩阵的行数，n为数据矩阵的列数，i＝1，2，...，m，j＝1，2，...，n； xij为数据矩阵中第i行第j列的数据；
[0148]
步骤2，对接收到的变换的鱼体图像的观测向量x做分数低阶快速独立成 分分析，将接收到的变换的鱼体图像分离为发送变换的鱼体图像和alpha稳定 分布噪声；所述接收
变换的鱼体图像的观测向量x的分数低阶快速独立成分分析 按以下进行：
[0149]
1)将观测向量x减去均值进行中心化，利用主要分量分析对中心化后的 观测向量进行分数低阶预白化处理，得到白化矩阵v，其中，独立成分分析 (pca)中用到的分数低阶相关矩阵定义为
[0150][0151]
其中，xi(n)和xj(n)分别为第i路和第j路观测变换的鱼体图像，且 1≤i，j≤2，*代表取共轭，对分数低阶相关矩阵进行特征值分解可以得到特征 值矩阵d与特征向量矩阵v，由特征值矩阵和特征向量矩阵可得预白化矩阵 m＝d-1/2vt
，利用预白化矩阵将观测数据x向变换的鱼体图像子空间投影，得 到白化矩阵v＝mx；
[0152]
2)对权向量w0进行随机初始化，同时初始化序列号k使k＝1；
[0153]
3)进行权值向量迭代
[0154][0155]
其中，和为一阶统计量，g(
·
)是对比函数， η＝e[w
t
xg(w
t
x)]，且在权值的迭代过程中参数λ是可变的，且λ＜1；
[0156]
4)利用范数归一化权值向量wk，wk＝wk/||wk||；
[0157]
5)若充分接近于1，算法得到收敛，wk就是最终的解混矩阵，执 行6)，否则重复步骤3)与步骤4)；
[0158]
6)y＝wkx，其中x为观测变换的鱼体图像，y为分离后的二维变换的鱼体 图像；
[0159]
步骤3，对分离出的发送变换的鱼体图像s(n)做基于插值的总体平均局部均 值分解(lmd)，将发送变换的鱼体图像分解成多个分量；
[0160]
步骤4，提取第一个分类特征：分量的分段瞬时频率标准差σf和设定相 应的门限δ1；
[0161]
步骤5，提取第二个分类特征：分量的分段瞬时幅值标准差σa和设定相 应的门限δ2和δ3；
[0162]
步骤6，利用门限δ1将变换的鱼体图像集{msk、2ask、qpsk、16qam} 分为{msk}和{2ask、qpsk、16qam}两类，利用门限δ2和δ3将变换的鱼体 图像集{2ask、qpsk、16qam}中检测的鱼体图像识别出来。
[0163]
优选地，所述步骤3，所述分离出的发送变换的鱼体图像s(n)的基于插值的 总体平均lmd按以下进行：
[0164]
1)给发送变换的鱼体图像s(n)加上一组白噪声v(n)，得到一个总体s(n)：
[0165]
s(n)＝s(n) v(n)
[0166]
2)确定总体s(n)所有的局部极值点ni，计算相邻两个极值点ni和n
i 1
的平均 值mi，即
[0167][0168]
利用三次样条插值确定局部均值函数m
11
(n)；
[0169]
3)采用局部极值点ni计算包络估计值ai[0170][0171]
利用三次样条插值确定包络估计函数a
11
(n)；
[0172]
4)从总体s(n)中分离分离出局部均值函数m
11
(n)，得到
[0173]h11
(n)＝s(n)-m
11
(n)
[0174]
5)用h
11
(n)除以包络估计函数a
11
(n)，以对h
11
(n)进行解调，得到
[0175][0176]
其中，
[0177]h11
(n)＝s(n)-m
11
(n)
[0178]h12
(n)＝s
11
(n)-m
12
(n)
[0179]
.
[0180]
.
[0181]
.
[0182]h1n
(n)＝s
1(n-1)
(n)-m
1n
(n)
[0183]
式中：
[0184][0185][0186]
.
[0187]
.
[0188]
.
[0189][0190]
迭代终止的条件为：
[0191]
1-δ≤a
1n
(n)≤1 δ
[0192]
其中，δ为大于0的任意实数；
[0193]
6)把迭代过程中产生的所有包络估计函数相乘便可以得到包络变换的鱼体 图像，其包括，
[0194][0195]
7)将包络变换的鱼体图像a1(n)和纯调频变换的鱼体图像s
1n
(n)相乘便可以得 到原始变换的鱼体图像的第1个分量
[0196]
pf1(n)＝a1(n)s
1n
(n)
[0197]
它包含了原始变换的鱼体图像中最高的频率成分，是一个单分量的调幅-调 频变换的鱼体图像，其瞬时幅值就是包络变换的鱼体图像a1(n)，其瞬时频率 f1(n)则可由纯调频变换的鱼体图像s
1n
(n)求出，即：
[0198][0199]
8)将第1个pf分量pf1从发送变换的鱼体图像s(n)中分离出来，得到一个 新的变换的鱼体图像u1(n)，将u1(n)作为原始数据重复步骤1)至步骤7)，并循 环k次，直到uk(n)为一个单调函数；
[0200]
u1(n)＝s(n)-pf1(n)
[0201]
u2(n)＝u1(n)-pf2(n)
[0202]
uk(n)＝u
k-1
(n)-pfk(n)
[0203]
至此，将变换的鱼体图像s(n)分解为k个pf分量和一个单调函数uk(n)之 和，即
[0204][0205]
9)给发送变换的鱼体图像s(n)加入不同的白噪声ni(n)，重复步骤1)-8)：
[0206]
si(n)＝s(n) ni(n)
[0207]
分解后得到的各个总体的pf分量组为pf
ip
[0208][0209]
10)取各个组pf的均值作为最终的pf组：
[0210][0211][0212]
其中，n表示表示添加噪声的次数，最后发送变换的鱼体图像的lmd分 解可表示为：
[0213][0214]
所述步骤4所述分量的分段瞬时频率标准差σf和设定相应的门限δ1按 以下进行：
[0215]
分量的分段频率标准差σf定义为：对于变换的鱼体图像的分量中的 纯调频变换的鱼体图像s
1n
(n)，计算其瞬时频率f1(n)，将得到的瞬时频率序列分 成m段，每段n个点，然后计算每段的瞬时频率的均值，最后求m段频率的标 准差，即
[0216][0217]
其中，为第i段瞬时频率的均值，f
1i
(j)为分量的第i段数据的 第j个点的瞬时频率值；为分量的瞬时频率的均值；
[0218]
门限设定如下：
[0219][0220]
其中表示msk变换的鱼体图像的特征值σf的最小值，max(σ
f-2ask
，σ
f-qpsk
，σ
f-16qam
)为2ask、qpsk和16qam变换的鱼体图像的特征值σf的最大值。
[0221]
所述步骤5所述分量的分段瞬时幅值标准差σa和设定相应的门限δ2和 δ3按以下进行：
[0222]
的分段瞬时幅值标准差σa定义为：对于变换的鱼体图像的pf1分量，将 其a1(n)分成m段，每段n个点，然后计算每段的瞬时幅值的均值，最后求m段 幅值的标准差，即
[0223][0224]
其中，为第i段瞬时幅值的均值，a
1i
(j)为分量的第i段数据的 第j个点的瞬时幅值；为pf1分量的瞬时幅值的均值；
[0225]
门限设定如下：
[0226][0227][0228]
其中min(σ
a-ask
)表示2ask变换的鱼体图像的特征值σa的最小值， max(σ
a-16qam
)和min(σ
a-qpsk
)分别为16qam变换的鱼体图像的特征值σa的最大值 和最小值，max(σ
a-qpsk
)为qpsk变换的鱼体图像的特征值σa的最大值。
[0229]
实验表明，本发明提高了识别质量。
[0230]
以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不 局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在 本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本 发明的保护范围之内。