作为中国乃至世界热爱的美食,小龙虾的加工一直备受瞩目。传统的小龙虾加工主要采用的是机械化加工方式,但这种方式整体效率低下,且对劳动力需求较高。为了提高小龙虾的加工效率,本文提出了将机器视觉应用于小龙虾加工的思想,实现了小龙虾轮廓与头尾自动识别及定位等,从而有助于提高生产效率并降低成本。本文主要通过卷积神经网络对小龙虾进行头尾识别,同时进行语义分割,从而实现小龙虾的自动分级,具体的内容包括以下几点:（1）对国内外小龙虾目前的加工情况以及遇到的瓶颈进行了分析,说明了提高小龙虾加工效率的必要性。同时对目前的加工方式进行了分析,阐述了目前使用的小龙虾机械加工的工作原理以及优缺点,提出了将机器视觉技术应用在小龙虾加工上的加工方式。（2）建立起完善了图像信息自动采集预处理的处理系统并可同时采用进行综合了多种自动图像数据采集的预处理与操作的多种处理的方式,包括自动图像开闭处理、灰度处理、高斯图像去噪算法处理等,对所有原始自采集自动图像数据均进行了统一规范了的处理,使其本身的特征更加明显。（3）通过对神经网络进行训练,对小龙虾进行头尾识别。将输入图像按6:2:2的比例分为训练集、测试集与验证集,对SSD（Single Shot Multi Box Detector）网络进行改进,具体方式为将SSD的主干网络替换为Mobile Net,同时将NMS算法替换为Soft NMS,从而在不同角度对原有网络进行加强,提高网络精度与复杂度,使其给出相似度更高且位置准确的候选框。最后得到的测试结果表明,该模型对小龙虾头部、尾部以及钳部的平均识别精度高于95%。（4）研究了基于Deep Labv3+的目标分割模型,同样将输入图像集按比例分为6:2:2后,输入Deep Labv3+中,将其训练为能够对小龙虾图像进行目标分割,且参数值确定的神经网络。最终小龙虾的目标分割神经网络成功率为98.2%。（5）在头尾识别模型以及语义分割模型的基础上,运用python设计了小龙虾分级系统,成功通过GUI库实现了其与用户间的交互。其中该系统分别包括了图像获取、头尾识别、语义分割以及分级的功能。在通过语义分割获得小龙虾面积占总图像的比例之后,根据预先设定的阈值实现了对小龙虾进行分级。