在鱼类育种、渔业资源调查和水产养殖的过程中，均需要对鱼体的体长、体厚、体高等性状参数进行测量。传统测量方法主要采用人工测量方式，劳动强度大、效率低、测量精度低。利用机器视觉技术进行鱼类性状测量可以有效提高测量效率和精度，易于实现自动化。本研究基于机器视觉技术，设计了一个一体化性状测量平台，将鱼类图像采集与分析、体质量与可量性状测量、PIT扫码集成到一个平台，可实现对鲤、鲫鱼性状参数的精确测量。对鱼体2D图像进行性状测量时，需要进行像素校准，由于每条鱼体厚不同，传统的固定像素校准平面在鱼体厚较大时，难以实现精确测量。本研究设计了一种像素校准方法，即在采集鱼体图像时，通过距离传感器测定鱼体体厚，根据体厚大小，确定每条鱼轮廓面的像素校准参数，减小测量误差，提高鱼体可量性状测量的准确性。以鲤、鲫鱼人工测量结果作为对照，比较该系统的测量误差，结果显示，随着鱼体体厚的增加，体长、体高、头长、尾柄长、尾柄高、体厚等参数的相对测量误差没有显著增大。体高和体长相对误差最大值为1.05%、-1.39%;头长、尾柄高、尾柄长和体厚等相对误差最大值分别为1.73%、-2.79%、-2.88%和-2.1%,绝对误差值均小于1 mm。体质量相对误差最大值为-0.36%。该系统满足鲤、鲫鱼性状测量要求。