本发明提供一种基于视觉检测的河蟹品质分级装置及方法，属于智能化分拣技术领域。分级装置包括依次连接且由控制模块综合控制的上料模块、视觉模块、称重模块、分拣模块，控制模块安装在视觉模块的支撑台架上。视觉模块利用工业相机及3D相机采集河蟹图像数据后传递至控制模块，控制模块通过双种群‑支持向量机算法实现河蟹公母分类，结合河蟹长宽高数据拟合计算河蟹体积，根据体积以及称重模块采集的重量数据计算河蟹比重，并进行比重分级，最终根据分级结果控制分拣模块对河蟹进行分拣操作。本发明集体积计算、公母分类、比重分级为一体，功能多样，实现河蟹公母与品质的高效无损检测，提升河蟹分级的机械化与智能化程度，节省大量人力和物力。
1.一种利用基于视觉检测的河蟹品质分级装置的河蟹品质分级方法，其特征在于，基于视觉检测的河蟹品质分级装置包括由控制模块(5)控制且依次对接的上料模块(1)、视觉模块(2)、称重模块(3)、分拣模块(4)，控制模块(5)安装在视觉模块(2)的支撑台架(31)上；
视觉模块(2)包括3D相机(37)、工业相机(310)、光电传感器(311)，称重模块(3)包括压力传感器(48)，3D相机(37)、工业相机(310)、压力传感器(48)均与控制模块(5)信号连接，传递河蟹图像数据以及重量数据，控制模块(5)用于计算河蟹体积及河蟹比重，同时用于对河蟹进行公母分类；光电传感器(311)与控制模块(5)信号连接，控制模块(5)基于光电传感器(311)输入的电平信号控制3D相机(37)以及工业相机(310)的启停；
所述分拣模块(4)包括分拣台架(51)，分拣台架(51)上安装两块支撑板D(55)，支撑板D(55)上安装电机D(52)，电机D(52)通过减速器B与主动轴D相连，主动轴D安装在支撑板D(55)一端，支撑板D(55)另一端安装从动轴D(53)，主动轴D、从动轴D(53)之间安装输送带D(54)；分拣台架(51)中还安装有多个继电器(56)与气动电磁阀(57)，每个气动电磁阀(57)均分别与对应的气缸(510)连接，气缸(510)安装在输送带D(54)两侧的支撑板D(55)上，气缸(510)的伸缩端连接有拨杆(511)，每个气缸(510)对面的支撑板D(55)上均安装有一个倾斜设置的出料滑梯(512)；
步骤1：控制模块(5)控制各模块的电机启动，河蟹首先经由上料模块(1)输送至视觉模块(2)，当河蟹经过光电传感器(311)感应区域时，光电传感器(311)检测到物体遮挡，输出低电平信号，控制模块(5)触发3D相机(37)以及工业相机(310)启动，拍摄河蟹图像数据并传递回控制模块(5)；
步骤2：控制模块(5)对获取的河蟹图像数据进行处理，判断河蟹公母并计算河蟹体积；
步骤3：河蟹被继续输送至称重模块(3)，经过压力传感器(48)时实现称重，压力传感器(48)检测数据传递至控制模块(5)，控制模块(5)基于重量数据，再结合步骤2计算得到的体积数据，计算出河蟹比重数据；
步骤4：控制模块(5)结合河蟹重量数据以及步骤2获得的河蟹公母分类结果，对比内部预设的比重分级标准，通过继电器(56)控制气动电磁阀(57)通断，进而控制对应工位上的气缸(510)做伸缩运动，气缸(510)带动拨杆(511)工作，将河蟹拨到对应等级的出料滑梯(512)中，最终由出料滑梯(512)落下至相应的收纳框中，实现河蟹品质分级；
步骤2.1：对工业相机(310)拍摄到的河蟹图像进行灰度转化与滤波处理；
步骤2.2：提取经步骤2.1处理后的图像的纹理特征量中的能量、熵、对比度和相关度，并制作成数据集；
步骤2.3：通过DPO‑SVM算法实现河蟹公母分类；
步骤2.3.1：构建SVM模型，对SVM的输入数据进行归一化处理；初始化并提取SVM惩罚因子c和核函数参数σ；
步骤2.3.2：采用DPO算法优化c、σ，初始化算法中个体的速度和位置，计算个体适应度并找到个体极值与群体极值；
步骤2.3.3：每个个体首先根据WOA中搜索捕食的位置更新公式更新位置；然后再以DPO算法的速度更新公式与位置更新公式更新个体速度与位置，同时计算个体的适应度，最后根据适应度大小更新粒子群个体极值和群体极值；
式中，Vt为DPO算法中个体目前移动速度，Vt+1为DPO算法中更新后的个体移动速度，ωv为速度变量惯性权值，ωmax为最大惯性权值，ωmin为最小惯性权值，T为个体目前迭代次数；
Tmax为总迭代次数；c1为个体学习因子；c2为社会学习因子；r1、r2为2个不相同的[0，1]间随机数；Pb为粒子目前的个体最优解；gb为粒子目前的全局最优解；
式中，Xt+1为DPO算法中更新后的个体位置；ωx为位置变量惯性权值；
步骤2.3.4：判断当前是否满足迭代终止条件，若满足则将最优的个体值[c，g]赋值给SVM的c、g，训练赋值后的SVM模型；然后将经归一化处理后的公蟹和母蟹对应的能量、熵、对比度和相关度输入到训练好的SVM模型中，进行河蟹公母分类；
步骤2.4：控制模块(5)根据3D相机(37)获取的深度值数据得到河蟹的长宽高，拟合计算河蟹体积。
2.根据权利要求1所述的河蟹品质分级方法，其特征在于，所述视觉模块(2)包括支撑台架(31)，支撑台架(31)上安装有两块支撑板B(35)，支撑板B(35)上固定有电机B(32)，电机B(32)输出端通过皮带A与主动轴B相连，主动轴B安装在支撑板B(35)一端，支撑板B(35)另一端安装从动轴B(33)，主动轴B、从动轴B(33)之间连接输送带B(34)，输送带B(34)位于两块支撑板B(35)之间；支撑板B(35)侧边均安装有光电传感器(311)，光电传感器(311)与控制模块(5)信号连接；支撑台架(31)上还安装有相机支架(36)，且相机支架(36)横跨支撑板B(35)，3D相机(37)、工业相机(310)均安装在相机支架(36)的横向架体上且均位于输送带B(34)正上方，对准输送带B(34)，采集输送带B(34)上的河蟹图像数据。
3.根据权利要求1所述的河蟹品质分级方法，其特征在于，所述称重模块(3)包括两块支撑板C(46)，支撑板C(46)上安装电机C(41)，电机C(41)通过皮带B(42)与主动轴C(43)相连，主动轴C(43)安装在支撑板C(46)一端，支撑板C(46)另一端安装从动轴C(44)，主动轴C(43)、从动轴C(44)之间安装输送带C(45)，输送带C(45)位于支撑板C(46)之间；支撑台架(31)上还安装有压力传感器支架(47)，支撑板C(46)安装在压力传感器支架(47)顶部，压力传感器支架(47)整体位于输送带C(45)下方且其上安装有压力传感器(48)。
4.根据权利要求1所述的河蟹品质分级方法，其特征在于，所述步骤3中，通过下式计算河蟹比重数据：
式中，K、W、V分别表示河蟹比重、河蟹重量、河蟹体积。
一种基于视觉检测的河蟹品质分级装置及方法
技术领域
[0001] 本发明属于智能化农业机械技术领域，尤其涉及一种基于视觉检测的河蟹品质分级装置及方法。
背景技术
[0002] 河蟹是我国的一种著名水产品，口感鲜美，具有很高的营养价值，随着人们生活品质的日益提升，对河蟹等水产品的需求量也在不断增大。河蟹的可食用部分包括三部分：蟹肉、性腺和肝胰腺，河蟹比重越大，蟹体可食用部分越肥满，品质相对较好，可食用价值更高；同时，公蟹和母蟹在不同时间段的可食用价值不同，公蟹和母蟹在不同时间段的销售价格相差也比较大；因此需要对河蟹公母与品质进行分级。目前河蟹分级主要采用人工挑选分级，劳动强度大并且造成了大量的人力资源浪费，市面上也存在一些自动化称重分选机，但是这种现有的自动化称重分选机智能化程度不高，只有重量分级这一单一功能﹐并不能对河蟹进行公母与品质分类。基于此，本发明对河蟹公母与品质快速、准确分级方法和技术进行了研究，开发了一种基于视觉检测的河蟹品质分级装置及方法，可实现河蟹公母与比重的快速、准确检测与分类。
发明内容
[0003] 针对现有技术中存在的不足，本发明提供了一种基于视觉检测的河蟹品质分级装置及方法，实现了对河蟹公母及比重的快速、准确检测与分类。
[0004] 本发明是通过以下技术手段实现上述技术目的的。
[0005] 一种基于视觉检测的河蟹品质分级装置，包括由控制模块控制且依次对接的上料模块、视觉模块、称重模块、分拣模块，控制模块安装在视觉模块的支撑台架上；视觉模块包括3D相机、工业相机，称重模块包括压力传感器，3D相机、工业相机、压力传感器均与控制模块信号连接，传递河蟹图像数据以及重量数据，控制模块用于计算河蟹体积及河蟹比重，同时用于对河蟹进行公母分类。
[0006] 进一步地，所述视觉模块包括支撑台架，支撑台架上安装有两块支撑板B，支撑板B上固定有电机B，电机B输出端通过皮带A与主动轴B相连，主动轴B安装在支撑板B一端，支撑板B另一端安装从动轴B，主动轴B、从动轴B之间连接输送带B，输送带B位于两块支撑板B之间；支撑板B侧边均安装有光电传感器，光电传感器与控制模块信号连接；支撑台架上还安装有相机支架，且相机支架横跨支撑板B，3D相机、工业相机均安装在相机支架的横向架体上且均位于输送带B正上方，对准输送带B，采集输送带B上的河蟹图像数据。
[0007] 进一步地，所述称重模块包括两块支撑板C，支撑板C上安装电机C，电机C通过皮带B与主动轴C相连，主动轴C安装在支撑板C一端，支撑板C另一端安装从动轴C，主动轴C、从动轴C之间安装输送带C，输送带C位于支撑板C之间；支撑台架上还安装有压力传感器支架，支撑板C安装在压力传感器支架顶部，压力传感器支架整体位于输送带C下方且其上安装有压力传感器。
[0008] 进一步地，所述分拣模块包括分拣台架，分拣台架上安装两块支撑板D，支撑板D上安装电机D，电机D通过减速器B与主动轴D相连，主动轴D安装在支撑板D一端，支撑板D另一端安装从动轴D，主动轴D、从动轴D之间安装输送带D；分拣台架中还安装有多个继电器与气动电磁阀，每个气动电磁阀均分别与对应的气缸连接，气缸安装在输送带D两侧的支撑板D上，气缸的伸缩端连接有拨杆，每个气缸对面的支撑板D上均安装有一个倾斜设置的出料滑梯。
[0009] 一种利用上述基于视觉检测的河蟹品质分级装置的河蟹品质分级方法，包括如下过程：
[0010] 步骤1：控制模块控制各模块的电机启动，河蟹首先经由上料模块输送至视觉模块，当河蟹经过光电传感器感应区域时，光电传感器检测到物体遮挡，输出低电平信号，控制模块触发3D相机以及工业相机启动，拍摄河蟹图像数据并传递回控制模块；
[0011] 步骤2：控制模块对获取的河蟹图像数据进行处理，判断河蟹公母并计算河蟹体积；
[0012] 步骤3：河蟹被继续输送至称重模块，经过压力传感器时实现称重，压力传感器检测数据传递至控制模块，控制模块基于重量数据，再结合步骤2计算得到的体积数据，计算出河蟹比重数据；
[0013] 步骤4：控制模块结合河蟹重量数据以及步骤2获得的河蟹公母分类结果，对比内部预设的比重分级标准，通过继电器控制气动电磁阀通断，进而控制对应工位上的气缸做伸缩运动，气缸带动拨杆工作，将河蟹拨到对应等级的出料滑梯中，最终由出料滑梯落下至相应的收纳框中，实现河蟹品质分级。
[0014] 进一步地，所述步骤2的具体过程如下：
[0015] 步骤2.1：对工业相机拍摄到的河蟹图像进行灰度转化与滤波处理；
[0016] 步骤2.2：提取经步骤2.1处理后的图像的纹理特征量中的能量、熵、对比度和相关度，并制作成数据集；
[0017] 步骤2.3：通过DPO‑SVM算法实现河蟹公母分类；
[0018] 步骤2.3.1：构建SVM模型，对SVM的输入数据进行归一化处理；初始化并提取SVM惩罚因子 和核函数参数 ；
[0019] 步骤2.3.2：采用DPO算法优化 、 ，初始化算法中个体的速度和位置，计算个体适应度并找到个体极值与群体极值；
[0020] 步骤2.3.3：每个个体首先根据WOA中搜索捕食的位置更新公式更新位置；然后再以DPO算法的速度更新公式与位置更新公式更新个体速度与位置，同时计算个体的适应度，最后根据适应度大小更新粒子群个体极值和群体极值；
[0021] DPO算法的速度更新公式为：
[0022]
[0023] 式中， 为DPO算法中个体目前移动速度， 为DPO算法中更新后的个体移动速度， 为速度变量惯性权值， 为最大惯性权值， 为最小惯性权值， 为个体目前迭代次数； 为总迭代次数； 为个体学习因子； 为社会学习因子； 、
为2个不相同的[0，1]间随机数； 为粒子目前的个体最优解； 为粒子目前的全局最优解；
[0024] DPO算法的位置更新公式为：
[0025]
[0026] 式中， 为DPO算法中更新后的个体位置； 为位置变量惯性权值；
[0027] 步骤2.3.4：判断当前是否满足迭代终止条件，若满足则将最优的个体值[ ， ]赋值给SVM的 、 ，训练赋值后的SVM模型；然后将经归一化处理后的公蟹和母蟹对应的能量、熵、对比度和相关度输入到训练好的SVM模型中，进行河蟹公母分类；
[0028] 步骤2.4：控制模块根据3D相机获取的深度值数据得到河蟹的长宽高，拟合计算河蟹体积。
[0029] 进一步地，所述步骤3中，通过下式计算河蟹比重数据：
[0030]
[0031] 式中， 、 、 分别表示河蟹比重、河蟹重量、河蟹体积。
[0032] 本发明具有如下有益效果：
[0033] 本发明所提供的基于视觉检测的河蟹品质分级装置，集体积计算、公母分类、比重分级为一体，功能多样，可实现河蟹公母与品质的高效无损检测，提升河蟹分级的机械化与智能化程度，可节省大量人力和物力，减少人工成本的投入。另外，本发明提供的系统及装置结构简单合理、使用及维护方便，易于推广，可对河蟹自动分拣分级工作起到指导和改进性作用，产生较高的社会经济价值。
附图说明
[0034] 图1为河蟹品质分级装置整体结构示意图；
[0035] 图2为上料模块结构示意图；
[0036] 图3为视觉模块结构示意图；
[0037] 图4为称重模块结构示意图；
[0038] 图5为分拣模块结构示意图；
[0039] 图6为控制模块内部结构示意图；
[0040] 图7为河蟹品质分级流程图；
[0041] 图8为河蟹图像数据处理流程图；
[0042] 图9为DPO‑SVM算法流程图。
[0043] 图中：1‑上料模块；21‑输送台架；22‑电机A；23‑减速器A；24‑从动轴A ；25‑输送带A；26‑支撑板A；2‑视觉模块；31‑支撑台架；32‑电机B；33‑从动轴B；34‑输送带B；35‑支撑板B；36‑相机支架；37‑3D相机；310‑工业相机；311‑光电传感器；3‑称重模块；41‑电机C；42‑皮带B；43‑主动轴C；44‑从动轴C；45‑输送带C；46‑支撑板C；47‑压力传感器支架；48‑压力传感器；49‑HX711A/D转换模块；4‑分拣模块；51‑分拣台架；52‑电机D；53‑从动轴D；54‑输送带D；55‑支撑板D；56‑继电器；57‑气动电磁阀；510‑气缸；511‑拨杆；512‑出料滑梯；5‑控制模块；
61‑工控机；62‑主控板；63‑控制柜。
具体实施方式
[0044] 下面结合附图以及具体实施例对本发明作进一步的说明，但本发明的保护范围并不限于此。
[0045] 如图1所示，本发明所述的基于视觉检测的河蟹品质分级装置，包括上料模块1、视觉模块2、称重模块3、分拣模块4、控制模块5。
[0046] 如图1、2所示，上料模块1包括输送台架21、电机A22、减速器A23、主动轴A、从动轴A24、输送带A25、支撑板A26。电机A22通过减速器A23与主动轴A相连，用于传动；主动轴A、从动轴A24分别安装在支撑板A26两端，用于张紧输送带A25，输送带A25位于两块支撑板A26之间，输送带A25内侧与主动轴A、从动轴A24接触，支撑板A26安装在输送台架21上。所述电机A22、减速器A23、主动轴A、从动轴A24、输送带A25、支撑板A26组合形成用于输送河蟹的传送装置。
[0047] 如图1、3所示，视觉模块2包括支撑台架31、电机B32、皮带A、主动轴B、从动轴B33、输送带B34、支撑板B35、相机支架36、3D相机37、工业相机310、光电传感器311。电机B32固定在支撑板B35上，电机B32输出端通过皮带A与主动轴B相连，用于传动；主动轴B、从动轴B33均安装在支撑板B35两端，用于张紧输送带B34，输送带B34位于两块支撑板B35之间，输送带B34内侧与主动轴B、从动轴B33接触；支撑板B35、相机支架36均安装在支撑台架31上，相机支架36横跨支撑板B35，3D相机37、工业相机310均安装在相机支架36的横向架体上且均位于输送带B34正上方，对准输送带B34，用于采集输送带B34上的河蟹图片数据；光电传感器311为对射式光电传感器311，安装在支撑板B35侧边。
[0048] 视觉模块2整体安装在上料模块1后端，用于接收从上料模块1输送过来的河蟹，并通过输送带B34继续将河蟹向后输送至下一区域，即称重模块3。
[0049] 如图1、4所示，称重模块3包括电机C41、皮带B42、主动轴C43、从动轴C44、输送带C45、支撑板C46、压力传感器支架47、压力传感器48、HX711A/D转换模块49。电机C41通过皮带B42与主动轴C43相连，用于传动；主动轴C43、从动轴C44分别安装在支撑板C46两端，用于张紧输送带C45，输送带C45位于两块支撑板C46之间，输送带C45内侧与主动轴C43、从动轴C44接触；
[0050] 压力传感器支架47顶部与输送带C45两侧的支撑板C46相连，压力传感器支架47底部安装在支撑台架31上，压力传感器支架47整体位于输送带C45下方且其上安装有压力传感器48，用于对输送带C45上的河蟹进行称重；压力传感器48与HX711A/D转换模块49连接，用于将压力传感器48的模拟量信号转化为数字量信号。
[0051] 称重模块3后端安装有分拣模块4，如图1、5所示，分拣模块4包括分拣台架51、电机D52、减速器B、主动轴D、从动轴D53、输送带D54、支撑板D55、继电器56、气动电磁阀57、气缸510、拨杆511、出料滑梯512。电机D52通过减速器B与主动轴D相连，用于传动；主动轴D、从动轴D53分别安装在支撑板D55两端，用于张紧输送带D54，输送带D54内侧与主动轴D、从动轴D53接触，支撑板D55安装在分拣台架51上。
[0052] 如图5所示，多个继电器56与气动电磁阀57均安装在分拣台架51中，每个气动电磁阀57均分别与对应的气缸510连接，控制气缸510的伸缩运动；气缸510安装在输送带D54两侧的支撑板D55上，气缸510的伸缩端连接有拨杆511，每个气缸510对面的分拣台架51上均安装有一个倾斜设置的出料滑梯512（图5中仅示意性地画出了四个气缸510），气缸510能够带动拨杆511运动，将河蟹拨进对应的出料滑梯512中，实现河蟹品质分级。
[0053] 如图1、6所示，控制模块5用于对分级装置整体工作过程进行综合分析控制，包括工控机61、Arduino mega2560主控板62、控制柜63；控制柜63安装在视觉模块2的支撑台架31上，工控机61、主控板62均安装在安装在控制柜63内，工控机61与主控板62之间通过RS232通讯协议进行通讯。
[0054] 所述电机A22、电机B32、电机C41、电机D52、气缸510均由控制模块5控制，所述3D相机37、工业相机310以及光电传感器311检测数据均实时传递至控制模块5进行分析处理。
[0055] 利用上述基于视觉检测的河蟹品质分级装置的河蟹品质分级方法如图7所示，具体包括如下过程：
[0056] 步骤1：控制模块5控制各模块的电机启动，各模块的输送带工作，河蟹通过上料模块1的输送带A25输送至视觉模块2的输送带B34上，当河蟹被输送至光电传感器311感应区域时，光电传感器311检测到物体遮挡，输出低电平信号，主控板62将该低电平信号传回工控机61，工控机61触发3D相机37以及工业相机310启动，拍摄河蟹图像数据并传递至工控机61；
[0057] 步骤2：工控机61对获取的河蟹图像数据进行处理：判断河蟹公母并计算河蟹体积，然后将处理结果发送给主控板62；
[0058] 参照图8、9，判断河蟹公母并计算河蟹体积的具体过程如下：
[0059] 步骤2.1：对工业相机310拍摄到的河蟹图像进行灰度转化与滤波处理；
[0060] 步骤2.2：提取经步骤2.1处理后的图像的纹理特征量中的能量、熵、对比度和相关度，并制作成数据集；
[0061] 步骤2.3：通过双种群‑支持向量机（Double Population Optimization ‑Support Vector Machine，DPO‑SVM）算法实现河蟹公母分类；
[0062] 步骤2.3.1：构建SVM模型，对SVM的输入数据（即公蟹和母蟹对应的能量、熵、对比度和相关度制作成的数据集）进行归一化处理；初始化并提取SVM惩罚因子 和核函数参数；
[0063] 步骤2.3.2：采用DPO算法优化 、 ，初始化算法中个体的速度和位置，计算个体适应度并找到个体极值与群体极值；
[0064] 步骤2.3.3：每个个体首先根据鲸鱼优化算法（Whale Optimization Algorithm，WOA）中搜索捕食的位置更新公式更新位置；然后再以DPO算法的速度更新公式与位置更新公式更新个体速度与位置，同时计算个体的适应度，最后根据适应度大小更新粒子群个体极值和群体极值；
[0065] 其中，WOA算法位置更新公式为：
[0066]
[0067] 式中， 为当前鲸鱼群体中一个随机个体位置； 和 均为系数变量，且， 为[0，1]之间的随机数， 随着迭代次数的增加，从2至0线性递减；
为当前鲸鱼个体所在位置； 为当前鲸鱼个体的下一个位置； 为[0，1]之间
的随机数； 为当前搜索个体与当前鲸鱼群体中随机一个个体之间的距离；
[0068] DPO算法的速度更新公式为：
[0069]
[0070] 式中， 为DPO算法中个体目前移动速度， 为DPO算法中更新后的个体移动速度， 为速度变量惯性权值， 为最大惯性权值， 为最小惯性权值， 为个体目前迭代次数； 为总迭代次数； 为个体学习因子； 为社会学习因子； 、
为2个不相同的[0，1]间随机数； 为粒子目前的个体最优解； 为粒子目前的全局最优解；
[0071] DPO算法的位置更新公式为：
[0072]
[0073] 式中， 为DPO算法中更新后的个体位置； 为位置变量惯性权值；
[0074] 步骤2.3.4：判断当前是否满足迭代终止条件，若满足则将最优的个体值[ ， ]赋值给SVM的 、 ，训练赋值后的SVM模型；然后将经归一化处理后的公蟹和母蟹对应的能量、熵、对比度和相关度输入到训练好的SVM模型中，实现河蟹公母分类；
[0075] 步骤2.4：根据3D相机37获取的深度值数据得到河蟹的长宽高，结合长宽高拟合河蟹体积。
[0076] 步骤3：经过一段延时，河蟹被输送至称重模块3，河蟹经过压力传感器48时，实现称重，压力传感器48检测数据传递至工控机61，工控机61基于重量数据，再结合步骤2计算得到的体积信息，通过 计算出河蟹比重并传递至主控板62，其中，、 、 分别表示河蟹比重、河蟹重量（单位为：克）、河蟹体积（单位为：立方厘米）；
[0077] 步骤4：主控板62接收工控机61传递的比重数据后，结合河蟹重量数据以及步骤2.3获得的分类结果，对比内部预设的比重分级标准，通过继电器56控制气动电磁阀57通断，进而控制对应工位上的气缸510做伸缩运动，通过气缸510带动拨杆511工作，将河蟹拨到对应等级的出料滑梯512中，最终由出料滑梯512落下至相应的收纳框中，实现河蟹品质分级；
[0078] 其中，所述比重分级标准如下：
[0079] 母蟹100 119 g（含119g）的三级标准为：特级≥1.294，一级1.225 1.294，二级≤~ ~1.225；
[0080] 母蟹119 139g（含139g）的三级标准为：特级≥1.202，一级1.152 1.202，二级≤~ ~1.152；
[0081] 母蟹139 164g（含164g）的三级标准为：特级≥1.171，一级1.116 1.171，二级≤~ ~1.116；
[0082] 母蟹＞164g的三级标准为：特级≥1.142，一级1.087 1.142，二级≤1.087；~
[0083] 公蟹150 174g（含174g）的三级标准为：特级≥1.371，一级1.292 1.371，二级≤~ ~1.292；
[0084] 公蟹174 199g（含199g）的三级标准为：特级≥1.309，一级1.236 1.309，二级≤~ ~1.236；
[0085] 公蟹199 249 g（含249 g）的三级标准为：特级≥1.253，一级1.197 1.253，二级≤~ ~1.197；
[0086] 公蟹＞249 g的三级标准为：特级≥1.213，一级1.152 1.213，二级≤1.152。~
[0087] 通常情况下，成熟河蟹中的母蟹重量不会低于100g，公蟹重量不会低于150g，因而在本实施例中，针对重量小于100g的母蟹以及重量小于150g的公蟹不作处理，直接任由其从装置末端流出至其余回收装置内。
[0088] 上述双种群（DPO）算法原理为：向粒子群优化（Particle Swarm Optimization，PSO）算法的速度更新公式中加入随迭代次数变化的变量权值，通过调整个体不同时期速度实现算法全局高精度寻优；其次将鲸鱼优化（WhaleOptimization Algorithm，WOA）算法中搜索捕食后的鲸鱼个体的位置引入到PSO算法的位置更新公式中，使种群中个体在按照鲸鱼算法中搜索捕食制度进行全局随机位置更新的同时，具备在更新后的位置周围局部寻优的能力，同时提高算法的寻优效率与精度；最后，在PSO算法的位置更新公式中加入变量权值，使算法不同时期得位置更新公式中个体速度所占的权重得到改变，提高法前期锁定最优解的速度的同时，提高后期个体的多样性，进而增大算法的寻优空间。
[0089] 所述灰度转化、滤波处理、纹理特征量提取等均为现有技术，因此本实施例不再对其进行赘述。所述实施例为本发明的优选的实施方式，但本发明并不限于上述实施方式，在不背离本发明的实质内容的情况下，本领域技术人员能够做出的任何显而易见的改进、替换或变型均属于本发明的保护范围。
