随着经济的发展,全国各地的河蟹养殖规模不断扩大,但是如今的水产养殖管理模式还是原始、粗放的养殖方式,养殖效率不高且饲料利用率低。饵料投喂的高效性和精准性是影响河蟹池塘养殖经济效益的两个关键指标,精准投饵能够充分发挥饵料的效能,获得最大的经济效益,因此本文开展基于水下机器视觉的河蟹养殖精准投饲技术研究:通过水下河蟹图像预处理以及河蟹目标的识别,可准确获得蟹塘水下河蟹的数量、大小和分布信息,以解决往哪里投饲的问题;通过自巡航变量投饲设备的开发,以解决小范围饲料密度分布和范围可控的高效投饲。通过二者的有机结合,实现中小型蟹塘养殖中高效精准的饵料投饲。本文的主要研究内容如下:一、为了改善蟹塘水下模糊河蟹图像的成像质量,提高图像清晰度和丰富图像细节,从而提高河蟹的识别准确率,本文根据水下光学成像原理和水对光线的吸收、散射特性,分别对包括直方图均衡、受限对比度自适应直方图均衡、伽马校正、基于暗通道先验的图像复原算法和基于图像模糊度和光吸收的图像复原算法进行对比分析,其中根据水体对长波（红光）最先吸收的原理,重点提出改进的基于暗通道先验的图像复原算法,并进行对比实验,从图像质量定性和定量分析中评价该算法的性能;二、由于蟹塘水下环境复杂、河蟹的姿态存在较大差异以及水中河蟹表面纹理特征不明显,增加了河蟹识别的难度,传统的目标识别方法已经难以满足水下河蟹的识别需求。为提高河蟹识别的准确率,本文提出基于卷积神经网络的河蟹识别算法,并改进卷积神经网络的结构设计。采用经改进的基于暗通道先验的图像复原算法处理后的河蟹样本制作数据集,完成对改进的卷积神经网络进行训练与调优,输出最优的基于YOLO v3改进网络结构的河蟹识别模型。以相同数据集完成对Faster R-CNN的河蟹识别模型训练,并与改进的YOLO v3河蟹识别网络模型对比实验,测试识别性能;三、为满足中小型蟹塘养殖自巡航投饲设备的开发需求,本文研究基于精度较低的廉价GPS、地磁传感器和激光测距传感器数据融合的组合导航系统,提供投饲作业装置多维的导航信息;为实现投饲作业装置的自动导航作业功能,本文提出基于目标插点的目标路径跟踪策略,并设计基于PID控制的航向控制器;同时提出投饲作业装置直行和路径切换时的速度调节策略,并设计基于PID控制的航速控制器;为保证航向、航速控制的独立性,提出航向、航速协调控制策略;最后根据投饲作业装置的功能需求,完成对投饲作业装置的软硬件设计,实现投饲作业装置沿蟹塘四周巡航投饲的功能,以解决小范围饲料分布密度和范围可控的高效投饲;通过上述研究的实验表明:基于改进的暗通道先验的复原算法DCP_{{inv r,g,b}}可完成对水下河蟹图像有效增强,其平均MSE、PSNR和Entropy指标分别为49.23、23.02和15.73;在采集的水下河蟹图像质量得到有效保证前提下,基于改进卷积神经网络结构的YOLO v3河蟹目标检测框架输出的网络识别模型平均类别正确率可达87.66%,河蟹识别的准确率为97.74%,召回率为96.27%;自巡航投饲作业船可有效完成自动导航作业;变量投饲装置可有效实现饲料分布密度和范围可控的投饲、料仓剩余饲料可测的功能;从而验证了基于水下机器视觉的河蟹养殖精准投饲的可行性。