1.一种南美白对虾表型数据测定方法，其特征在于，包括步骤：
s1、采集南美白对虾的侧面和俯视图像样本；
s2、采用yolo3算法进行俯视图和侧视图图像的目标检测，确定南美白对虾的具体位置，得到南美白对虾的包围盒信息，将南美白对虾的图像裁剪出来作为下一步骤的输入；
s3、基于hourglassnet深度学习网络模型检测南美白对虾的关键点，并获取关键点坐标信息；
s4、利用提取到的关键点坐标信息，构建出南美白对虾在水中的姿势骨架结构，进行南美白对虾姿势估计；
s5、计算南美白对虾表型数据：根据获取得到的关键点坐标信息，结合三维空间变换以及比例参数计算得到南美白对虾表型数据。
2.根据权利要求1所述的南美白对虾表型数据测定方法，其特征在于，所述步骤s1包括：将装满3/4水的水盒内放入南美白对虾后，将水盒放入图像样本采集设备，在该设备的上方和左侧布置工业相机，启动工业相机，采集放到水盒内南美白对虾的侧面和俯视图像样本。
3.根据权利要求1所述的南美白对虾表型数据测定方法，其特征在于，所述步骤s3包括：检测出南美白对虾的包围盒boundingbox边框信息后，将裁剪得到的南美白对虾的图像输入到hourglassnet网络中，获取到俯视图和侧视图的不同的关键点定位坐标；其中，侧视图中需检测19个关键点，依据点的位置顺序排列；在俯视图上，需检测23个关键点。
4.根据权利要求1～3任一所述的南美白对虾表型数据测定方法，其特征在于，所述步骤s3中通过俯视图检测模块获取俯视图的关键点的信息，俯视图检测模块包含两个级联的4阶沙漏模块和中继监督模块，每个沙漏模块由残差模块通过残差相加保留原始信息，使得沙漏模块能够在不同尺度下学习特征，并尽可能地保留原有的特征；中继监督模块对每个沙漏模块进行中间预测，即计算每个沙漏模块后的训练损失，来帮助后一阶段的沙漏模块的训练。
5.根据权利要求4所述的南美白对虾表型数据测定方法，其特征在于，所述步骤s3中通过侧视图检测模块获取侧视图的关键点，所述侧视图检测模块使用并行连接高分辨率到低分辨率的子网取代了俯视图检测模块中的中继监督模块和沙漏模块，在大幅减少模型参数的同时，通过在并行的多分辨率子网络上反复交换信息来进行多尺度的重复融合来保持关键点检测的精度。
6.根据权利要求1所述的南美白对虾表型数据测定方法，其特征在于，所述步骤s5包括：根据从侧视图和俯视图获取得到的关键点的信息，结合三维变换提取点的长度；在俯视图图上，将俯视图的关键点坐标信息分段处理提取出俯视图南美白对虾的分段曲线角度，在侧视图上，结合俯视图获取得到的南美白对虾曲线分段角度，计算出南美白对虾表型数据像素值，然后结合实验获取标尺在水中的比例尺信息，计算出最终的南美白对虾表型数据。
7.根据权利要求1所述的南美白对虾表型数据测定方法，其特征在于，所述南美白对虾表型数据包括体长、全长、头长、体宽、体高。
8.一种南美白对虾表型数据测定装置，其特征在于，包括：
数据采集单元，采集南美白对虾的侧面和俯视图像样本；
目标检测单元，确定南美白对虾的具体位置，得到南美白对虾的包围盒信息，将南美白对虾的图像裁剪出来作为下一步骤的输入；
关键点定位单元，基于hourglassnet深度学习网络模型检测南美白对虾的关键点，并获取关键点坐标信息；
姿势骨架构建单元，利用提取到的关键点坐标信息，构建出南美白对虾在水中的姿势骨架结构，进行南美白对虾姿势估计；
表型数据计算单元，根据获取得到的关键点坐标信息，结合三维空间变换以及比例参数计算得到南美白对虾表型数据。
9.一种计算机设备，其特征在于，所述设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的南美白对虾表型数据测定方法。
10.一种存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现如权利要求1至7中任一项所述的南美白对虾表型数据测定方法。