付 凯 月， 冯 怡 然， 陶 学 恒，2

(1.大连工业大学 机械工程与自动化学院， 辽宁 大连 116034； 2.大连工业大学 国家海洋食品工程技术研究中心， 辽宁 大连 116034 )

0 引 言

虾制品是中国最受欢迎的海鲜之一，据统计，虾相关产品每年占中国出口海产品总量的一半左右[1]。据联合国粮农组织数据统计，全球虾年产量超过600万吨，其中大约60%是直接带上岸进入世界市场[2]，且现捕获的虾往往存在海藻、贝类、缺陷虾、破损虾等杂质，极大影响流入市场的海产品品质。目前的海产品分类大多依靠人工及传统机械处理，分类效率低、劳动力需求量大，利用计算机视觉技术对海产品进行识别、定位及分类，既能在保证产品质量的前提下提高生产效率，也能降低对劳动力的需求。基于传统机械的海产品分类分拣设备具有生产成本低的特点，陶学恒等[3]提出一种具有分级功能的海参加工装置及其生产线，实现了一体化生产，节省了人工成本，减少了污染环节。芦金石等[4]提出了一种海产品自动称重分拣装置，实现了静态称重引入动态机构，降低了制造工本。但这种依靠传统机械分拣的自动化装备与本文提出的基于深度学习的智能装备相比，在识别精度和识别速度上存在差距。深度学习的相关算法在海产品的分类上应用较为广泛，如关于鱼类、贝类、小龙虾分类检测的研究。Villon等[5]利用CNN网络对水下鱼类进行检测，检出率为94.6%，高于人工检出率89.3%；Cui等[6]将深度学习方法应用到模糊海水鱼类识别中，建立了适用于水下鱼类的检测模型；……