Page 201 - 《水产学报》2025年第5期

张士薇，等 水产学报, 2025, 49(5): 059117

显示与 b5_up

控制面板 b3_up tail
display and 辅助电路 eye b1_up
ancillary circuit
control panel b3_down b5_down tail_top
摄像装置 b1_down
camera 照明装置
illuminator

反光板
reflector 图像采集 图 2 凡纳滨对虾侧面图像的关键特征点标注
平台
eye. 眼柄基部，b1_up. 头胸甲与第一腹节背侧交界点，b1_down.
image collecting
platform 头胸甲与第一腹节腹侧交界点，b3_up. 第三腹节与第四腹节背侧
交界点，b3_down. 第三腹节与第四腹节腹侧交界点，b5_up. 第六
图 1 图像采集箱
腹节与尾节背侧交界点，b5_down. 第六腹节与尾节腹侧交界点，
Fig. 1 Image acquisition box tail. 尾节末端，tail_top. 尾肢末端，下同。
2 448(H)× 2 048(V) 的 SonyICX415 CCD 相机， Fig. 2 Key feature points marking from
置于箱体内部正上方，用于采集清晰的对虾侧 the lateral image of L. vannamei
面图像。采集平台选用纯白聚苯乙烯涂料底板， eye. base of the eye stalk, b1_up. dorsal junction point between carapace
and the first abdominal segment, b1_down. ventral junction point
经高温烘烤等多道工序形成一层高强度涂膜，
between carapace and the first abdominal segment, b3_up. dorsal junc-
减少光线反射和阴影干扰。配备 2 000 lx 的 LED tion point between the third and fourth abdominal segments, b3_down.
照明灯作为辅助光源，通过箱体内壁多次反射 ventral junction point between the third and fourth abdominal segments,
保证良好的照明条件。配备的计算机操作系统 b5_up. dorsal junction point between the sixth abdominal segment and
the telson, b5_down. ventral junction point between the sixth abdominal
采用 Windows 11，由数据传输线与图像采集箱
segment and the telson, tail. the distal end of the telson, tail_top. the
相连，接收采集图像。 distal end of the uropod, the same below.
具体采集流程：将凡纳滨对虾从养殖池捞
出，置于提前降温 (15~18 °C) 的海水中。待测
试对虾活力显著降低后，逐尾放入图像采集箱
中的采集平台中央 (箱内水平摆放一把精度为
0.1 cm 的直尺)，采集对虾侧面图像，并传输至
计算机进行后续处理。

1.2 图像处理 图 3 凡纳滨对虾整体轮廓标注
Fig. 3 Contour marking for L. vannamei
依据 LabelMe 5.4.1 软件 [20] 中的 Create Point
功能，对 SI9798 数据集中所有个体的 9 个特征 中 Stage 1 包含 2 个残差块组成的 Bottleneck 模
点进行人工标注 (图 2)，包括眼柄基部 (eye)、 块 ， 其 输 出 的 256 个 特 征 通 道 输 入 到 trans-
头胸甲与第一腹节背侧、腹侧交界点 (b1_up、 ition 模块，通过不同的卷积核进行卷积操作，
b1_down)、第三腹节与第四腹节背侧、腹侧交 分别输出 18 和 36 个特征通道。后 3 个 Stage 通
界点 (b3_up、b3_down)、第六腹节与尾节背侧、 过执行上下采样操作，完成提取和融合图像的
腹侧交界点 (b5_up、b5_down)、尾节末端 (tail) 多尺度特征。上采样选取内核为 1×1、步长为
以及尾肢末端 (tail_top)。依据 LabelMe 软件中 1 的卷积核；下采样选取内核为 3×3、步长为 2、
的 Create Ploygons 功能，以人工绘制多边形或 填充为 1 的卷积核。随后对 Stage 4 的不同分辨
自由曲线的方式对 SI1951 数据集中所有个体的 率的输出特征，执行上采样和卷积操作，融合
整体轮廓进行标注 (图 3)，用于区分虾体和背景。 为最高分辨率特征，并输出关键特征点位置。

利用模型识别出的关键特征点计算对虾体长和
1.3 体尺性状关键特征点识别与验证
腹节长的像素长度，其中，腹节长 (abdominal
基于 SI9798 数据集标注的特征点，采用 segment length, AL) 定义为第一至第六腹节末端
HRNet 深度学习模型识别对虾关键特征点，具 沿身体曲线的长度，分为 2 段测量，第 1 段是
体步骤见图 4。该模型通过 4 个 Stage 实现不同 以 b1_middle (即 b1_up 和 b1_down 连 接 线 中
分辨率特征的并行连接和多尺度信息融合。其 点) 到 b3_middle (即 b3_up 和 b3_down 连接线

中国水产学会主办 sponsored by China Society of Fisheries https://www.china-fishery.cn
3