基于图像处理技术的蚕蛹性别识别应用研究*

开篇：润墨网以专业的文秘视角，为您筛选了一篇基于图像处理技术的蚕蛹性别识别应用研究*范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘 要：基于目前蚕蛹雌雄分类工作由人工进行，为了提高生产效率，减轻劳动强度，实现蚕蛹雌雄性别的自动识别，文章提出了一种应用图像处理的蚕蛹性别自动识别方法，利用CCD摄像机获取蚕蛹的样本图像，应用MATLAB软件编程实现了样本图像的灰度化、二值化、图像分割、图像滤波、图像形态学处理、边缘检测和特征量提取等处理，完成了蚕蛹自动识别。通过对实验数据回归分析， 实验表明采用图像处理方法得出蚕蛹的准确识别率为96%，为实现自动识别分拣处理提供重要依据，对实际应用具有重要意义。

关键词：图像处理；蚕蛹性别；特征提取；MATLAB

引言

我国是蚕茧生产大国，据统计，我国蚕茧产量达到世界产量的八成左右，因此，蚕桑养殖业对我国的经济发展具有重要意义，在桑蚕养殖业中，蚕种的质量以及蚕丝的品质不仅与饲养桑叶的好坏、饲养环境以及饲养过程有很大的关系，蚕蛹的雌雄分选对蚕种质量同样有很直接的关系，因此，优良的蚕种是高质量蚕丝的第一步，为获得优良的蚕种，要对蚕蛹进行雌雄的识别。

目前的现状是雌雄蚕蛹的分选工作由人工完成，生产效率低，劳动强度大，受主观影响严重。随着机器视觉技术的不断进步，它的应用范围也越来越广泛，包括工件的检测，机器人视觉等。数字图像处理是指将图像信号转换成数字信号并利用计算机进行处理的过程。图像的数字处理是将连续的模拟图像变成离散的数字图像后，用建立在特定的物理模型和数学模型基础上编制的程序（软件）控制，运行并实现种种要求的处理。近年来，数字图像处理技术日趋成熟，它广泛应用于空间探测、遥感、生物医学、人工智能以及工业检测等许多领域。

文章依据雌雄蚕蛹不同的形体特征以及纹理特征的差异，提出以机器视觉的方式进行识别。利用MATLAB软件平台，通过对图像处理可以准确地进行识别，结果证明识别正确率较高，有效可行。

1 设计路线

雌雄蚕蛹具有不同的特征，同一蚕蛹品种以及相同的饲养条件下，体型上，雌蛹体型较大，腹部末端呈圆形状，雄蛹体型瘦小，腹部末端呈尖状。在性状特征上，雌蛹有‘X’状的交叉线，雄性蚕蛹有褶皱的圆点，鉴于此特征，通过机器视觉的方式，对蛹体的体型以及性状特征来进行识别，雌雄蚕蛹性状特征如图1所示：

首先设计图像的自动获取装置，将采集到的图像进行处理，包括灰度化，二值化，图像滤波处理，图像分割，形态学处理以及图像特征的提取识别等。具体路线如图2所示。

2 图像获取及图像预处理

2.1 材料与方法

图像采集系统由CCD数码摄像机、计算机、光照箱和环形光源等组成。CCD数码摄像机由大恒图像公司生产，型号为MER-125-30UM型；计算机配置为2.8GHzCPU，4GB内存和500G硬盘；照明装置采用直流供电、无频闪和光照均匀的LED环形光源；

本实验采用透明的PVC材料作为输送通道，以达到较好的分图像采集效果。灯箱采用全封闭进行摄像，避免外界光线对样本图像采集造成影响。样本图像采集的大小设定为统一特定尺寸的RGB彩色图像。选用MATLAB12.0软件对采集的样本图像进行处理。

2.2 图像预处理

在图像的采集过程中，会受到多种因素的干扰，如拍摄环境，设备图像传感器以及传输信道等，采集到的图像包含了除目标图像以外的图像以及噪声，都会给目标对象的提取增加困难，因此，必须对图像进行必要的预处理，从而得到更准确的信息，预处理包括图像的裁剪、灰度化、二值化、图像滤波以及增强，形态学操作以及特征提取分析等。

2.3 图像裁剪

为了更好地预处理和分析，去除干扰的图像信息，裁剪统一特定尺寸的图像可以更好的对图像进行处理和分析。

2.4 图像灰度化

在进行图像处理与检测时，更多考虑的是图像的亮度，即主要是针对灰度图像。现通过CCD工业相机采集的到的图像属于24位真彩色图像，在进行图像处理与检测时，必须要进行一些转换，这样才能方便后面的后续处理。读取到图片文件后，在不影响图像质量情况下普遍采用加权平均值法将子图像转换为灰度图像，公式如下：gray=0.3R+0.59G+0.11B

式中gray―转换后的像素灰度值；R、B、G―像素红色、蓝色和绿色分量值。matlab利用rgb2gray函数将RGB图像进行灰度化处理，格式如下：

I=imread（filename）；I=rgb2gray（I）；

2.5 图像的阈值分割

后续的识别研究需要从二值图像中提取特征参数，因此要通过阈值分割对图像进行二值化处理，阈值选取至关重要，选取过大会丢失目标信息，选取过程会包含不必要的背景，增加难度，降低效率。文章中根据图像背景和目标对象差异较大以及直方图特性，采用全局阈值法进行二值化，效果如图3所示。matlab函数im2bw可以通过设定亮度阈值进行二值化处理，函数调用格式如下：

BW=im2bw（I，level）

2.6 图像滤波

在图像获取以及二值化处理过程中，图像会受到噪声的干扰，为了抑制噪声改善图像质量，要对图像进行去噪处理。

matlab图像处理工具箱提供了线性滤波，中值滤波、均值滤波以及维纳滤波，最值滤波等方式，不同的方式对不同的噪声效果各异，由于在获取过程中主要是存在椒盐噪声，滤波有多种方法，通过实际的处理效果对比，文章采中值滤波的方式进行处理，各滤波效果如图4所示。

从图像的处理结果中可以看出，中值滤波对图像的滤波效果以及图像的边缘保持性较好，因此预处理中选用中值滤波的方式进行。

2.7 图像增强

为了要补偿图像在前处理的不足引起的图像在质量下降，对图像做增强处理，目的是突出图像中感兴趣的信息，消弱甚至去除无关的信息量。达到改善视觉效果，提高图像清晰度的目的，以利于下一步的图像处理。直方图均衡化是以累积分布函数变换法为基础的直方图修正法，是将一幅已知灰度概率分布的图像变换成具有均匀概率分布的新图像。图像增强效果如图5所示。

2.8 图像边缘提取

图像的局部特性发生突变的一些像素的几何称为边缘，存在于被检测目前以及检测背景之间，包括灰度，颜色，以及几何特征的的突变，是进行图像分割以及识别的重要依据.所以，要对目标体的边缘进行检测.matlab中提供了几种常用的边缘检测算子，我们通过实际操作的检测效果来具体分析，各算子检测效果如图6所示。

根据各检测算子的处理效果可以看出，Sobel算子和Roberts算子处理结果会造成边缘残缺，图像边缘不完整；Log算子和Canny算子会使图像细节过于丰富，降低处理效率，Prewitt算子具有较好的处理效果，比较符合要求，因此文章中采用此算子进行检测。

2.9 图像分割

为了对蚕蛹进行识别，最终目的就是提取出蚕蛹的尾部性状特征，图像分割的任务就是准确提取蚕蛹的尾部特征，文章基于获取的图像的最小矩形法来进行图像的分割，把最小矩形按长度进行等分分割，通过比较各部分的面积，提取出面积最小的那部分图像，即蚕蛹的尾部图像，提取的图像如图7所示：

2.10 图像形态学处理

为了更好的进行图像的特征提取，从图像的二值化图像上可以看到图像存在白色空洞的现象，这对于基于二值图像的形状特征的提取存在一定的误差，因此要进行形态学的区域填充，使图像具有完整的结构，图像处理效果如图8所示：

3 图像特征的提取及实验数据分析

3.1 提取图像的形状特征参数

提取了图像的面积，周长，偏心率以及圆度等特征参数，对从蚕蛹形状大小角度识别蚕蛹识别具有重要价值。

3.2 提取图像的纹理特征参数

利用灰度共生矩阵来提取纹理特征是最普遍的特征提取方法，灰度共生矩阵算法不仅反映了图像的亮度分布特性，也反映了具有相似亮度或同等亮度的像素点在图像位置上的分布，其频率数学表达式为：

P（i，j，d，？兹）={（x，y），（x+Dx，y+Dy）|f（x，y）=I，f（x+Dx，y+Dy）=j}

式中？兹为点（x，y）移动的方向，Dx，Dy分别代表该方向的偏移量，？兹取0°，45°，90°，135°。

各点的频度值为：P（i，j）= P（i，j，d，？兹）/R，其中R代表归一化常数。

根据灰度共生矩阵提取了对比度、能量、熵逆差距、相关性等纹理参数。对比度反映了图像的清晰度和纹理的纹理深浅；能量反应图像的灰度分布均匀程度和纹理粗细度；熵则表示图像灰度级集合的比特平均数，描述图像的平均信息量；相关性的大小反映了图像中局部灰度的相关性。

3.3 试验

文章随机选取了25个雄性蚕蛹样本和25个雌性蚕蛹样本，作为训练样本，进行文中所述的图像处理以及特征参数的提取，对实验进行回归分析，另选取30个样本作为测试样本，用来验证回归分析的可靠性。通过对图像的特征提取数值的分析，可以看出图像的面积散点图（图9）和图像熵值的散点图（图10）具有明显的界线，可以很好的区分蚕蛹性别，为自动识别提供了很好的依据。通过对测试样本的测试，综合考虑面积以及熵值，能够准确的分辨蚕蛹性别，准确率达96%。

4 结束语

文章提出了一种基于图像处理的蚕蛹性别识别方法，通过对图像的预处理以及特征提取数据的分析，确定了适合系统的图像预处理方法，并完成了预定的设定目标，与现存的人工分拣相比，具有较好的效果和效率，可以减轻人工劳动强度，此方法具有较高的准确率，对实现蚕蛹的自动识别提供了很好的依据，对实际应用具有重要意义。

参考文献

[1]蒋益女，徐从富.基于机器视觉的水果质量等级识别方法的研究[J].计算机与应用软件，2010，11（20）：100-101.

[2]张恒敢，杨四军，等.应用数字图像处理获取小麦子粒外观特征参数的方法及其matlab实现[J].江苏农业科学，2005（1）：28-30.

[3]Sadmia H，Rajabipour A，Jafary A et al.Classification and analysis of fruit shapes in long type watermelon using image processing[J].International Journal of Agriculture & Biology[J].2007，9（1）：68-70.

[4]李婷姣，蔡振江，等.基于MATLAB的奶牛数字图像边缘的提取[J].农机化研究，2011，33（2）：23-26.

[5]何翠群，章海亮.基于Matlab平台的农产品分级图像处理系统[J].安徽农业科学，2009，37（21）：15563-15565.

[6]白宗文，周美丽.基于Matlab的椒盐噪声图像去噪方法研究[J].虚拟仪器技术2014（6）：27-28.

[7]邓立苗，唐俊，等.基于图像处理的玉米叶片特征提取与识别系统[J].中国农机化学报，2014，35（6）.

[8]罗雪宁，彭云发，等.基于MATLAB的红枣图像处理研究[J].农机化研究，2015（3）：183-186.

作者简介：孙辉（1990-），男，山东成武，硕士研究生，研究方向为机器视觉。

*通讯作者：梁培生（1964-），男，广西苍梧人，副研究员，研究方向为蚕业机械与装备。