1.一种小龙虾品质无损检测方法，其特征在于，包括：

通过设置于流水线顶端的光谱相机，获取流水线上待检小龙虾腹部朝下的每个波段的二位灰度图像，并根据所有波段的二位灰度图像合成三维彩色图像；

基于所述三维彩色图像，识别待检小龙虾本体作为感兴趣区域，利用Deep Net模型分割所述感兴趣区域得到小龙虾本体的包括空间角度信息的轮廓图像，并将所述轮廓图像与已建立的模板库进行比对匹配，确定模板库中轮廓和空间角度匹配度最高的风格化小龙虾图像，并根据所述风格化小龙虾图像对应的实际小龙虾目标尺寸，确定待检小龙虾的目标尺寸；

根据所述三维彩色图像，以整个小龙虾本体为感兴趣区域提取原始光谱曲线，并提取最优特征波长组合为光谱特征，将所述光谱特征输入训练后的卷积神经网络模型，输出小龙虾待检指标含量预测结果，根据小龙虾待检指标含量预测结果确定小龙虾的成熟度；其中，所述最优特征波长根据待检指标含量已知的小龙虾样本提取原始光谱曲线后经特征波长筛选后确定；

根据待检小龙虾的目标尺寸大小，确定满足重量和体积达标条件的小龙虾，并结合所述成熟度，确定满足成熟度达标条件的小龙虾，以筛选重量、体积和成熟度均达标的小龙虾；

其中，所述模板库包括多个不同大小的小龙虾模型，以及每个小龙虾模型与多个不同空间角度轮廓的风格化小龙虾图像的对应关系，以及不同小龙虾模型与所述目标尺寸的对应关系；所述目标尺寸包括眼距、眼颈距及尾部第二节宽度；所述待检指标含量包括甲壳素含量、虾青素含量和蛋白质含量。

2.根据权利要求1所述的小龙虾品质无损检测方法，其特征在于，所述通过设置于流水线顶端的光谱相机，获取流水线上待检小龙虾腹部朝下的每个波段的二位灰度图像之前，还包括：建立实际小龙虾的三维几何模型，并通过调节模型参数大小，得到多个不同大小小龙虾模型的集合；

将每一小龙虾模型，通过调节不同角度，获取各大小不同小龙虾腹部朝下的平面图像，并生成相对应的各大小、各角度的风格化小龙虾图像，并确定每个小龙虾模型的所述目标尺寸；

建立每个小龙虾模型与多个不同空间角度腹部朝下轮廓的风格化小龙虾图像，以及每个风格化小龙虾图像与根据所述小龙虾模型得到的实际目标尺寸的对应关系，并标记各风格化图像对应的实际目标尺寸，得到所述已建立的模板库。

3.根据权利要求1所述的小龙虾品质无损检测方法，其特征在于，所述提取最优特征波长组合为光谱特征之前，还包括：获取已确定待检指标含量小龙虾样本的多个所述三维彩色图像，并分别划为训练样本和测试样本；

筛选特征波长，得到训练样本的筛选后特征波长；

将训练样本的所述筛选后特征波长对应的光谱特征，输入构建的卷积神经网络模型进行训练；

重复上述筛选特征波长，至输入构建的卷积神经网络模型进行训练过程的过程，直至利用测试样本筛选后特征波长验证训练完成后所述卷积神经网络模型的准确度最高；

将准确度最高情况下的筛选后特征波长作为最优特征波长，并得到对应的卷积神经网络模型，作为所述训练后的卷积神经网络模型。

4.根据权利要求3所述的小龙虾品质无损检测方法，其特征在于，所述筛选特征波长，包括：利用竞争性自适应重加权采样法CARS筛选初始特征波长，并利用灰色关联度判断初始特征波长对所述各待检指标含量的影响程度；

选取影响程度最大的若干特征波长，作为各待检指标含量筛选后的特征波长。

5.根据权利要求1所述的小龙虾品质无损检测方法，其特征在于，所述利用Deep Net模型分割所述感兴趣区域得到小龙虾本体的包括空间角度信息的轮廓图像，并将所述轮廓图像与已建立的模板库进行比对匹配，确定模板库中轮廓和空间角度匹配度最高的风格化小龙虾图像之前，还包括：获取多个小龙虾的所述三维彩色图像，提取小龙虾本体的感兴趣区域，得到对应的小龙虾本体图像，并标记小龙虾轮廓，得到轮廓训练样本；

将轮廓训练样本输入构建的初始Deep Net模型，根据轮廓训练样本对应的模板库中风格化小龙虾图像及模型输出结果，对所述初始Deep Net模型进行参数更新的训练；

重复对初始Deep Net模型进行训练的过程，直至满足预设达标条件，得到所述Deep Net模型。

6.根据权利要求1所述的小龙虾品质无损检测方法，其特征在于，所述根据待检小龙虾的目标尺寸大小，确定满足重量和体积达标条件的小龙虾，包括：根据眼距大于1.4毫米，眼颈距大于2.3毫米，尾巴第二节宽度大于0.9毫米三个条件中，同时满足眼距及尾巴第二节宽度条件，或同时满足眼颈距及尾巴第二节宽度条件，或者同时满足眼距、眼颈距和尾巴第二节宽度条件，确定满足重量和体积达标条件的小龙虾。

7.一种小龙虾品质无损检测装置，其特征在于，包括：

图像采集模块，用于通过设置于流水线顶端的光谱相机，获取流水线上待检小龙虾腹部朝下的每个波段的二位灰度图像，并根据所有波段的二位灰度图像合成三维彩色图像；

模型匹配模块，用于基于所述三维彩色图像，识别待检小龙虾本体作为感兴趣区域，利用Deep Net模型分割所述感兴趣区域得到小龙虾本体的包括空间角度信息的轮廓图像，并将所述轮廓图像与已建立的模板库进行比对匹配，确定模板库中轮廓和空间角度匹配度最高的风格化小龙虾图像，并根据所述风格化小龙虾图像对应的实际小龙虾目标尺寸，确定待检小龙虾的目标尺寸；

光谱处理模块，用于根据所述三维彩色图像，以整个小龙虾本体为感兴趣区域提取原始光谱曲线，并提取最优特征波长组合为光谱特征，将所述光谱特征输入训练后的卷积神经网络模型，输出小龙虾待检指标含量预测结果，根据小龙虾待检指标含量预测结果确定小龙虾的成熟度；其中，所述最优特征波长根据待检指标含量已知的小龙虾样本提取原始光谱曲线后经特征波长筛选后确定；

综合筛选模块，用于根据待检小龙虾的目标尺寸大小，确定满足重量和体积达标条件的小龙虾，并结合所述成熟度，确定满足成熟度达标条件的小龙虾，以筛选重量、体积和成熟度均达标的小龙虾；

其中，所述模板库包括多个不同大小的小龙虾模型，以及每个小龙虾模型与多个不同空间角度背部轮廓的风格化小龙虾图像的对应关系，以及不同小龙虾模型与所述目标尺寸的对应关系；所述目标尺寸包括眼距、眼颈距及尾部第二节宽度；所述待检指标含量包括甲壳素含量、虾青素含量和蛋白质含量。

8.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至6任一项所述小龙虾品质无损检测方法。

9.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述小龙虾品质无损检测方法。

10.一种小龙虾品质无损检测系统，其特征在于，包括：

姿态调整机构、环形可调光源、高光谱成像仪、暗箱、PLC控制单元、传输带以及权利要求8所述的电子设备；

其中，所述姿态调整机构用于调整待检小龙虾的空间位置及角度，以使待检小龙虾腹部朝下；

所述暗箱内部设置所述高光谱成像仪，所述高光谱成像仪通过数据线与所述电子设备连接，用于待检小龙虾通过所述暗箱时拍摄高光谱图像；

所述环形可调光源，为所述高光谱图像的获取提供光源；

所述传输带用于运送所述待检小龙虾；

所述PLC控制单元，用于控制所述传输带的移动。