【技术实现步骤摘要】
本专利技术涉及机器视觉，具体为一种基于机器视觉的青蟹分拣方法及系统。
技术介绍
1、青蟹在中国主要分布于南海、东海和黄海等沿海地区，同时也在东南亚和其他热带、亚热带地区广泛养殖。不同产地的水温、盐度、营养环境、饵料种类等因素会显著影响青蟹的生长速度、外观特征和营养风味等。然而，由于供应链复杂，青蟹的产地信息在流通过程中容易混淆或缺失，尤其在跨区域贸易中，难以保证原产地信息的准确性。虽然部分大型养殖场和品牌已开始应用区块链、二维码等技术进行产品追溯，但整体上青蟹产业的溯源体系并不完善，尤其是在小型养殖户中，溯源技术的应用更为有限。传统的产地信息采集方式依赖于手工记录，容易出现人为误差。此外，缺乏统一的溯源标准和法规监管，使得青蟹从养殖、运输到销售过程中的信息缺失或篡改问题难以杜绝。随着青蟹市场需求的上升，一些不法商贩利用伪造产地或掺假行为提高利润。
2、但是，青蟹的品质分类大多依赖人工操作。在市场或批发环节，工人通常根据外观、手感等主观经验来判断青蟹的质量。然而，由于青蟹个体大小和形态差异较大，人工分拣耗时费力，而且分拣结果容...
【技术保护点】
1.一种基于机器视觉的青蟹分拣方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种基于机器视觉的青蟹分拣方法，其特征在于：采用人工标记的方式在各腹甲纹理图像中标记出青蟹的性别所依据的具体步骤包括：选择标注工具LabelImg，在标记工具中设置分类，包括雄性和雌性，通过标注工具逐张打开腹甲纹理图像，根据每张图像已知的青蟹性别信息，使用标注工具LabelImg在相应位置进行标记。
3.根据权利要求2所述的一种基于机器视觉的青蟹分拣方法，其特征在于：基于卷积神经网络建立青蟹性别识别模型，其中所述卷积神经网络，由输入层、卷积层、池化层、全连接...
【技术特征摘要】
1.一种基于机器视觉的青蟹分拣方法，其特征在于，具体步骤包括：
2.根据权利要求1所述的一种基于机器视觉的青蟹分拣方法，其特征在于：采用人工标记的方式在各腹甲纹理图像中标记出青蟹的性别所依据的具体步骤包括：选择标注工具labelimg，在标记工具中设置分类，包括雄性和雌性，通过标注工具逐张打开腹甲纹理图像，根据每张图像已知的青蟹性别信息，使用标注工具labelimg在相应位置进行标记。
3.根据权利要求2所述的一种基于机器视觉的青蟹分拣方法，其特征在于：基于卷积神经网络建立青蟹性别识别模型，其中所述卷积神经网络，由输入层、卷积层、池化层、全连接层和输出层组成，其中卷积层中的激活函数为tanh函数，对于全连接层，设置全连接层神经元数量为32，初始神经网络学习率设为0.001，训练轮数为100。
4.根据权利要求1所述的一种基于机器视觉的青蟹分拣方法，其特征在于：所述信息采集区包括两台高清摄像机和称重装置，信息采集区域的正上方安装有高清摄像头1用于对青蟹腹甲信息的收集，底部安装有高清摄像头2用于对青蟹背甲信息的收集和测量，同时在信息采集区设置称重装置...
【专利技术属性】
技术研发人员：陈绍坚，冯明飞，段茜茜，陈宝佳，温小波，吴坤，方康，张庆宇，欧阳雯玮，
申请(专利权)人：广州南沙华农渔业研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。