农业机械学报

作者：段青玲，张宇航，孔铭瑞，许冠华，刘颖斐

单位：中国农业大学,中国农业大学,中国农业大学,江苏中农物联网科技有限公司,江苏中农物联网科技有限公司,

关键词：大闸蟹;旋转目标检测;双目视觉;质量估算;极端梯度提升树

基金：国家重点研发计划项目（2023YFD2400502）

准确估算大闸蟹质量对于大闸蟹生长状况监测、养殖密度控制、投饵量确定和产量预测等具有重要作用。现有大闸蟹质量估算方法通常使用单目相机，依赖参照物进行真实体尺校正，且图像中大闸蟹背甲角度不固定容易导致目标检测精度低等问题，限制了其在实际养殖环境中的应用。针对上述问题，提出了一种基于旋转目标检测和双目视觉的大闸蟹质量估算方法。通过双目相机采集大闸蟹图像;构建基于SSP-YOLO v7（SK-SimCSPSPPF-ProbIoU-YOLO v7）的大闸蟹背甲旋转目标检测模型，在主干部分引入SK（Selective kernel）注意力机制，使用SimCSPSPPF（Simplified cross stage partial spatial pyramid pooling fast）优化空间金字塔池化，使用ProbIoU损失函数（Probabilistic intersection over union）计算旋转框回归损失，增强特征提取能力的同时减少计算量，有效提高了旋转目标检测精度;对大闸蟹双目图像进行三维重建，通过欧氏距离公式计算大闸蟹背甲体尺;最后构建基于粒子群算法优化的PSO-XGBoost（Particle swarm optimization-eXtreme gradient boosting）模型，实现不同性别大闸蟹质量估算。在自建数据集上进行测试，本文提出的背甲旋转目标检测模型mAP0.5为99.46%，模型参数量为7.321×106，浮点运算量为1.6684×1011，帧率为39f/s;基于PSO-XGBoost的质量估算模型对于公蟹均方根误差为8.549g，平均绝对误差为6.172g，决定系数为0.946，对于母蟹均方根误差为6.902g，平均绝对误差为5.175g，决定系数为0.955。结果表明本文方法能够实现大闸蟹质量估算，为大闸蟹生长状况监测和智能化养殖提供技术支持。

来源：2025年第6期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第6期