基于计算机视觉的蚕蛹性别识别应用研究.pdf

《基于计算机视觉的蚕蛹性别识别应用研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、２０１４年１月农机化研究第１期基于计算机视觉的蚕蛹性别识别应用研究龚攀，李光林（西南大学工程技术学院，重庆　４００７１５）摘要：蚕蛹雌雄鉴别的准确率直接关系到育种的质量，雌雄蚕蛹分选是制造优质蚕种的重要环节。目前，蚕种场都是用人工进行鉴蛹，劳动强度大，生产效率低。为此，依据雌雄蚕蛹蛹体特征的不同，研制了一套基于计算机视觉的蚕蛹雌雄自动识别系统；利用ＭＡＴＬＡＢ软件，对获取的蚕蛹图像进行预处理后，根据雌雄蚕蛹图像的形体特征和尾部纹理特征，利用ＢＰ神经网络进行分类识别，识别率达到９５％以上，符合育种要求。关键词：

2、蚕蛹；性别识别；ＭＡＴＬＡＢ；图像处理；神经网络中图分类号：TP391．41文献标识码：A文章编号：1003－188X（2014）01－0206－04图像进行预处理后，根据提取的形体特征和尾部纹理0引言特征，用ＢＰ神经网络对蚕蛹雌雄进行分类识别。在蚕种生产过程中，蛹体雌雄鉴别的准确率直接1图像获取关系到蚕种的质量和品种的纯度。我国蚕茧产量占世界总产量的３／４，每年需要切削种茧５０００ｔ，在蚕茧识别系统的总框图，如图１所示。制种时，需要将蚕蛹从蚕壳中分离出来进行雌雄鉴别。目前普通是用人工进行削茧和鉴蛹，劳动强度

3、大、生产效率低，对操作的熟练程度有较高的要求，经常出现操作人员被割伤现象。而且种茧切削、雌雄鉴别须在５～７天之内完成，蚕种场不得不招聘大批短期劳动力，使蚕种生产成本大大提高，且忙乱中难免图１　系统框图造成雌雄混淆，以致发蛾后同系自交成纯种，严重影Ｆｉｇ．１　Ｔｈｅｓｙｓｔｅｍｃｈａｒｔ［１］响了蚕种质量。本文采用１０００万像素数码摄像头拍摄蚕蛹图为区别蚕茧性别，日本曾根据蚕茧的质量来区分片。为了与自动分选系统结合，将蚕蛹经传送带匀速雌雄茧，并制造了蚕茧雌雄鉴别机；但由于错判率较送入一透明有机玻璃Ｕ型槽中。传送

4、带速度可控，保高，未能得到推广应用。国内有人利用荧光法鉴别雌证蚕蛹单粒送入Ｕ型槽中进行拍照，在垂直于Ｕ型槽雄茧，但只适用于茧色判性品种及其特定的杂交组的圆周方向相隔１２０°各设置一个摄像头，对Ｕ型槽中［２］合。潘沈元等曾用近红外反射光谱的模式识别方的蚕蛹进行全方位的图像采集，以获得蚕蛹的真彩图法对雌雄蚕茧的识别进行了初步探讨，但还有许多问像，即ＲＧＢ图像。图像获取装置如图２所示。题值得进一步研究，如样品的代表性和特征值选取的［３］合理性问题。随着计算机技术和神经网络技术的发展，利用数字图像处理技术和神经网络进

5、行模式识别在实际应用中取得了良好的效果。因此，本文通过ＭＡＴＬＡＢ平台，利用计算机图像处理技术，对获取的雌雄蚕蛹图２　图像获取装置结构示意图Ｆｉｇ．２　ＴｈｅＳｔｒｕｃｔｕｒｅｏｆｉｍａｇｅａｃｑｕｉｓｉｔｉｏｎｄｅｖｉｃｅ收稿日期：２０１３－０１－１７由于蛹的雌雄具有不同的特征，从外形来比较，基金项目：重庆市科技攻关计划项目（ｃｓｔｃ２０１２ｇｇ－ｙｙｊｓ８００１９）雌蛹体较肥大，腹部末端较圆；雄蛹体较瘦小，腹部末作者简介：龚攀（１９８５－），男，重庆沙坪坝人，硕士研究生，（Ｅ－ｍａｉｌ）ｇｏｎｇｐａｎｃｑ

6、ｕ＠１６３．ｃｏｍ。端较尖。但更主要是从性征上来区别，雌蛹在第８环通讯作者：李光林（１９６３－），男，重庆人，教授，博士，（Ｅ－ｍａｉｌ）ｌｉｇｕａｎｇ-节（翅下第５环节）腹面的中央，从前缘到后缘有“ｘ”ｌｉｎ１９６３＠１２６．ｃｏｍ。·２·６０２０１４年１月农机化研究第１期状纵线；雄蛹在第９环节（翅下第６环节）腹面的中央的边缘保持特性。［４］有似凹陷小点。所以，选择提取蚕蛹的几何即体型在ＭＡＴＬＡＢ中，实现这个功能的函数是和尾部纹理特征来对蚕蛹雌雄进行识别。雌雄蚕蛹B＝ｍｅｄｆｉｌｔ２（A，［mn］）尾部性

7、状特征如图３所示。其中，A为待处理图像，［mn］为设定区域大小。2．2图像分割为了有效地进行图像分析，往往需要先进行图像分割，将图像中有意义的特征或者需要应用的特征提取出来，也就是把图像中的一些干扰景物去掉，最大限度把蚕蛹本身图像从背景环境中“抓取”出来，以提高量化特征值的准确性。本文采用的是边缘检测和匹配分割的方法；边缘的检测是利用物体和背景在某种图像特性上包括灰度、颜色或者纹理特征等的差异图３　雌（左）雄（右）蚕蛹尾部性状特征来实现的；匹配分割可以用于搜索特殊的模式，笔者Ｆｉｇ．３　Ｔｈｅｆｅｍａｌｅ（ｌ

8、ｅｆｔ）ｍａｌｅ（ｒｉｇｈｔ）ｓｉｌｋｗｏｒｍｃｈｒｙｓａｌｉｓ＇ｔａｉｌｆｅａｔｕｒｅｓ用一幅图像抽取出物体或模式，指导在余下的图像中2图像预处理基于某种最优性准则搜索相同或相似的模式，在本文中就是对具有不同纹理特征的蚕蛹尾部进行搜索。2．1图像滤波分割后的雌蛹尾部纹理图，如图４所示。图像获取过程中由于受各种因素的影响会产生噪声污染，噪声会影响到图像处理全过程以至输出结果，因此滤除图像中的噪声是图