近年来,由于我国国民经济的快速增长、电商行业的兴起以及物流速递等业务的蓬勃发展,中华绒螯蟹作为我国特色水产经济作物之一,已经拥有相当规模的销售市场。但是,目前市场上主流的大闸蟹追溯方式是采用捆扎条形码或二维码等电子标签于蟹钳上,由于标识物的可替换性,单单依靠这种方式追溯河蟹信息并不可靠。因为大闸蟹生长环境的变化,个体大闸蟹背甲图像中的隆起、凹陷、沟渠、纹理等形态性状会出现较为明显的差异,因此个体河蟹之间的形态往往趋向于不同。针对目前河蟹追溯成本高、消费者无法细粒度地追溯单体河蟹信息等问题,本文提出两种基于河蟹背甲图像的个体河蟹溯源算法,为目前河蟹追溯方式不可信、成本高等问题提供新的解决方案,最后通过追溯应用系统实际验证河蟹图像溯源算法的可行性和实用性。为此,本文的工作主要如下:首先,本研究的任务是从河蟹背甲图像中获取单体河蟹特有的形态特征值,河蟹图像数据取自阳澄湖成年大闸蟹共100只。为了数据能够较好的适应真实的光照条件,数据采集场所选取在明亮的室内（日光灯或自然光）,由于拍摄时间包含早晨、中午、傍晚以及夜晚,因此采集的图像需要适应各种复制光照条件。采集过程中,选用MER-2000-5GC/P工业相机采集数据,图像需要展现清晰完整的河蟹背甲轮廓、沟壑、凸起和纹理。本文提出的第一种方法是基于HOG与LBP特征融合的个体河蟹识别算法,由于单独使用HOG特征提取算法只能提取河蟹图像边缘轮廓的相关方向信息,对于河蟹背甲上的沟壑纹理等细节信息缺少充足的描述,而单独使用LBP算法描述子提取的纹理特征有限,并且对于图像的边缘信息表述能力较差,因此提出将两种特征提取算法融合进行特征提取的方法,并应用主成分分析法将融合提取后的特征进行降维,最后使用支持向量机对单体河蟹图像进行分类识别。结果表明使用主成分分析方法的特征融合算法可以大幅度地减少特征维数,并且在识别准确率也高于其他对照算法;而使用特征融合的特征提取算法在识别率上也高于单独使用LBP或者HOG特征提取的算法。因此本算法在减少特征维数的同时,提高单体河蟹识别的准确率,对于使用河蟹图像进行信息溯源有重要意义。本文提出的第二种方法是基于迁移学习和金字塔卷积的河蟹背甲图像个体识别算法。该算法使用金字塔卷积层替换普通残差卷积块构建网络模型,可以从蟹背图像中提取多尺度、深层次的特征信息。实验结果表明,采用金字塔卷积结构的Resnet34和Resnet50的准确率分别为98.38%、98.51%,与使用普通卷积层的模型相比,准确率提升5.49%、1.3%,而当模型深度达到101层时,模型性能不再明显提升。与使用金字塔卷积结构的全新学习模型相比,迁移学习方法的训练收敛迭代轮次从20轮降低至5轮,此时模型准确率为98.88%,较全新学习的准确率提升0.37%,同时弥补了样本量较少的问题。该研究为河蟹个体识别追溯提供了理论依据和技术支持。最后,为了验证以上提出的河蟹个体识别算法的有效性,本文根据实际需求设计并开发个体河蟹图像识别追溯系统,结果表明基于河蟹图像的河蟹溯源系统具有实用性和可行性,同时对目前河蟹产品供应链的信息数字化管理具有推进作用。