目前，用于苗种生产的海水养殖中贻贝的识别、计数和分类都是由目测专家完成的（即完全依赖人力）。

基于形态特征的贻贝自动分类系统，可同时识别和分类五个贻贝物种，并提供了跟踪养殖参数长期演变所需的丰富统计信息。

贻贝

贻贝是一种海洋贝类动物，属于软体动物门、双壳纲。

外壳通常非常坚硬，由两片对称的壳片构成，壳片之间通过一种叫做铰链的结构连接，壳的内部通常是光滑的，并有一个珍珠光泽。

贻贝是滤食者，它们通过将海水吸入体内，过滤出悬浮的浮游生物和有机颗粒作为食物。

它们通常会通过产生一种强力的丝状物质，将自己固定在岩石或其他硬质表面上。

贻贝的形态特征主要表现在其壳体和内部结构上，壳片的外表面通常是黑色、蓝色或棕色，有时会有白色的条纹或斑点。

壳的形状可以根据种类的不同而变化，有的是长椭圆形的，有的是三角形的，也有的是近似圆形的。

贻贝的内部结构包括一个大的中空腔室，其中包含消化系统、生殖系统和心脏等器官。

消化系统包括一个大的食管和胃，以及用于过滤食物的鳃，贻贝的心脏位于其体腔的中心位置，由一个心室和两个心耳组成。

而且，贻贝有一对大的鳃，可以用来过滤食物和氧气，鳃位于贻贝的口部周围，通过鳃可以将海水吸入和排出体内。

贻贝的分类非常复杂，不同种类的贻贝可能会有一些差异。

蓝贻贝属是最常见的贻贝种类，包括蓝贻贝、地中海贻贝和太平洋贻贝等。

珠母贝属，这个属的贻贝是珍珠的主要来源，例如日本珠母贝和大马士革贻贝等。

样品制备

在不使用视觉界面的情况下，几十个标本的单一样本可以在几秒钟内完成实时分类，最后，该系统还有可能扩展到全球贻贝的自动分类中。

智利的贻贝养殖场是世界上产量最高的养殖场之一，年产量超过30万吨。其中大部分产量来自智利蓝贻贝。

由于其与其他蓝贻贝物种相似，其分类学地位一直存在争议。

世界各地的贻贝生产都需要贻贝种子来启动延绳钓养殖系统的生长过程，因此种子供应对贻贝生产至关重要。

因为采集器上的大量生物污损，智利贻贝的种子与其他定居者（如微藻和大型藻类、藤壶、贻贝）混杂在一起。

同样，贻贝科物种，不同贻贝种类的混杂、形状和大小的相似，增加了目测分类鉴定的难度。

样品制备首先要在野外提取，在固定贻贝种子的地方吊起一个海洋吊架。

根据生长阶段和地理位置的不同，可以发现不同大小等级和种类的贻贝。

此外，根据培养物的质量、环境条件和人类的专业知识，蚌壳中可能只有一种贻贝，也可能混有其他物种，如海绵和甲壳类动物。

虽然这一过程看似简单，但贻贝必须通过肉眼逐个识别并按物种分类，因此整个过程非常耗时。

此外，还需要人工按大小进行分类，而且提取工作要分几个时段进行，这就需要依赖整个研究季节。

提取和识别贻贝后，对贻贝进行清洗，去除杂质，以尽量减少轮廓伪影的出现，并将贻贝分成两组。

其中一组遵从贻贝以自然形状分布在照相盘上时保持边缘的趋势，这成为软件训练阶段的一个严格限制。

因此，分离两瓣贻贝并丢弃贻贝肉来创建这组贻贝是个好方法。

贻贝的两瓣壳可以被用作装饰或者其他工艺制品，先将贻贝放入沸水中烹煮几分钟，直到壳打开。

这个过程会杀死贻贝，使其肉质松动，更易于从壳中取出。

采用刀具或其他适当的工具，谨慎地将贻贝肉从壳内剥离，在此过程中，要尽量避免对壳体造成损害。

接下来，将剥离肉质后的空壳浸入清水中进行清洗，以移除任何残留的肉质和其他可能的杂质，如有必要，可以使用小刷子进行辅助清洗。

清洗过的壳体放入热水或者稀释的漂白水中消毒，杀死可能残留的细菌或者其他微生物。

最后将壳体放在通风的地方晾干，确保壳体完全干燥后，再进行下一步处理。

这种方法可以利用两瓣贻贝的自然对称性，确保贻贝分布在镜头前。

分割和蒙版生成

这一阶段的目标是生成能够将贻贝从背景中分离出来的遮罩。

该阶段使用符合以下顺序的子算法来实现：生成输入图像的二进制掩码，然后，计算场景中贻贝的数量。

最后，提取待处理的单个贻贝图像，其他子算法会对图像进行必要的处理，如生成轮廓和旋转图像。

单瓣样本用于实验室测试，假定贝壳对称（即分析时考虑顶部或底部贝壳）。

这次现场测试的唯一要求是简单的样品制备方案，包括清洗贻贝并将其平铺在托盘上。

在实验室中，贻贝的单瓣样本可以被用于进行各种测试和分析，由于贻贝的两瓣壳体通常是对称的，因此只需要一个壳体就可以获得关于贻贝形态和生物学特性的大量信息。

通过测量贻贝壳的长度、宽度、厚度等参数，可以对贻贝的形态特性进行详细的分析，这些信息可以帮助科学家了解贻贝的生长情况，以及其对环境变化的响应。

贻贝壳主要由碳酸钙组成，其中也可能包含其他元素，如镁、锶、锡等。

在化学分析下，可以了解元素在贻贝壳中的分布和浓度，从而推测出贻贝生活环境的化学特性。

不仅如此，贻贝壳的形态和化学组成可以反映出贻贝的生活历史和生物学特性。

例如，壳的生长线可以显示出贻贝的年龄，壳的颜色和纹理可能与贻贝的性别和生殖状态有关。

因此，贻贝壳的化学组成被用作环境监测的工具。

比如说，重金属和其他有害物质可能会在贻贝壳中积累，通过分析这些物质的浓度，可以了解贻贝生活环境的污染程度。

贻贝自动分类系统，可以利用机器学习工具对贻贝标本进行自动分类的首次成功尝试。

实验结果为所开发的系统提供了坚实的实验证明基础，该系统在四种机器学习策略的作用下显示出较高的识别率。

用一致性相关系数量化人类专家的评价是未来工业应用的一项强制性任务。

结语

在这种规模下，要对数吨试样进行实时分类，就需要将机器视觉系统与传送带和机械执行器等硬件单元集成在一起。

此外，还可以在分类方法中采用其他架构，以最大限度地降低计算成本，这也是工业领域的一项艰巨任务。

其实，在该系统的改进版本中，还可以添加新特征（如颜色和纹理）对分类结果的影响，以便对更复杂的样本进行分类，如含有杂质的样本、随机分配的样本和世界范围内的贻贝种类。