基于圖像處理技術的蠶蛹性別識別應用研究*

摘 要：基于目前蠶蛹雌雄分類工作由人工進行，為了提高生產效率，減輕勞動強度，實現蠶蛹雌雄性別的自動識別，文章提出了一種應用圖像處理的蠶蛹性別自動識別方法，利用CCD攝像機獲取蠶蛹的樣本圖像，應用MATLAB軟件編程實現了樣本圖像的灰度化、二值化、圖像分割、圖像濾波、圖像形態學處理、邊緣檢測和特征量提取等處理，完成了蠶蛹自動識別。通過對實驗數據回歸分析， 實驗表明采用圖像處理方法得出蠶蛹的準確識別率為96%，為實現自動識別分揀處理提供重要依據，對實際應用具有重要意義。

關鍵詞：圖像處理；蠶蛹性別；特征提取；MATLAB

引言

我國是蠶繭生產大國，據統計，我國蠶繭產量達到世界產量的八成左右，因此，蠶桑養殖業對我國的經濟發展具有重要意義，在桑蠶養殖業中，蠶種的質量以及蠶絲的品質不僅與飼養桑葉的好壞、飼養環境以及飼養過程有很大的關系，蠶蛹的雌雄分選對蠶種質量同樣有很直接的關系，因此，優良的蠶種是高質量蠶絲的第一步，為獲得優良的蠶種，要對蠶蛹進行雌雄的識別。

目前的現狀是雌雄蠶蛹的分選工作由人工完成，生產效率低，勞動強度大，受主觀影響嚴重。隨著機器視覺技術的不斷進步，它的應用范圍也越來越廣泛，包括工件的檢測，機器人視覺等。數字圖像處理是指將圖像信號轉換成數字信號并利用計算機進行處理的過程。圖像的數字處理是將連續的模擬圖像變成離散的數字圖像后，用建立在特定的物理模型和數學模型基礎上編制的程序（軟件）控制，運行并實現種種要求的處理。近年來，數字圖像處理技術日趨成熟，它廣泛應用于空間探測、遙感、生物醫學、人工智能以及工業檢測等許多領域。

文章依據雌雄蠶蛹不同的形體特征以及紋理特征的差異，提出以機器視覺的方式進行識別。利用MATLAB軟件平臺，通過對圖像處理可以準確地進行識別，結果證明識別正確率較高，有效可行。

1 設計路線

雌雄蠶蛹具有不同的特征，同一蠶蛹品種以及相同的飼養條件下，體型上，雌蛹體型較大，腹部末端呈圓形狀，雄蛹體型瘦小，腹部末端呈尖狀。在性狀特征上，雌蛹有‘X’狀的交叉線，雄性蠶蛹有褶皺的圓點，鑒于此特征，通過機器視覺的方式，對蛹體的體型以及性狀特征來進行識別，雌雄蠶蛹性狀特征如圖1所示：

首先設計圖像的自動獲取裝置，將采集到的圖像進行處理，包括灰度化，二值化，圖像濾波處理，圖像分割，形態學處理以及圖像特征的提取識別等。具體路線如圖2所示。

2 圖像獲取及圖像預處理

2.1 材料與方法

圖像采集系統由CCD數碼攝像機、計算機、光照箱和環形光源等組成。CCD數碼攝像機由大恒圖像公司生產，型號為MER-125-30UM型；計算機配置為2.8GHzCPU，4GB內存和500G硬盤；照明裝置采用直流供電、無頻閃和光照均勻的LED環形光源；

本實驗采用透明的PVC材料作為輸送通道，以達到較好的分圖像采集效果。燈箱采用全封閉進行攝像，避免外界光線對樣本圖像采集造成影響。樣本圖像采集的大小設定為統一特定尺寸的RGB彩色圖像。選用MATLAB12.0軟件對采集的樣本圖像進行處理。

2.2 圖像預處理

在圖像的采集過程中，會受到多種因素的干擾，如拍攝環境，設備圖像傳感器以及傳輸信道等，采集到的圖像包含了除目標圖像以外的圖像以及噪聲，都會給目標對象的提取增加困難，因此，必須對圖像進行必要的預處理，從而得到更準確的信息，預處理包括圖像的裁剪、灰度化、二值化、圖像濾波以及增強，形態學操作以及特征提取分析等。

2.3 圖像裁剪

為了更好地預處理和分析，去除干擾的圖像信息，裁剪統一特定尺寸的圖像可以更好的對圖像進行處理和分析。

2.4 圖像灰度化

在進行圖像處理與檢測時，更多考慮的是圖像的亮度，即主要是針對灰度圖像。現通過CCD工業相機采集的到的圖像屬于24位真彩色圖像，在進行圖像處理與檢測時，必須要進行一些轉換，這樣才能方便后面的后續處理。讀取到圖片文件后，在不影響圖像質量情況下普遍采用加權平均值法將子圖像轉換為灰度圖像，公式如下：gray=0.3R+0.59G+0.11B

式中gray—轉換后的像素灰度值；R、B、G—像素紅色、藍色和綠色分量值。matlab利用rgb2gray函數將RGB圖像進行灰度化處理，格式如下：

I=imread（filename）；I=rgb2gray（I）；

2.5 圖像的閾值分割

后續的識別研究需要從二值圖像中提取特征參數，因此要通過閾值分割對圖像進行二值化處理，閾值選取至關重要，選取過大會丟失目標信息，選取過程會包含不必要的背景，增加難度，降低效率。文章中根據圖像背景和目標對象差異較大以及直方圖特性，采用全局閾值法進行二值化，效果如圖3所示。matlab函數im2bw可以通過設定亮度閾值進行二值化處理，函數調用格式如下：

BW=im2bw（I，level）

2.6 圖像濾波

在圖像獲取以及二值化處理過程中，圖像會受到噪聲的干擾，為了抑制噪聲改善圖像質量，要對圖像進行去噪處理。

matlab圖像處理工具箱提供了線性濾波，中值濾波、均值濾波以及維納濾波，最值濾波等方式，不同的方式對不同的噪聲效果各異，由于在獲取過程中主要是存在椒鹽噪聲，濾波有多種方法，通過實際的處理效果對比，文章采中值濾波的方式進行處理，各濾波效果如圖4所示。

從圖像的處理結果中可以看出，中值濾波對圖像的濾波效果以及圖像的邊緣保持性較好，因此預處理中選用中值濾波的方式進行。

2.7 圖像增強

為了要補償圖像在前處理的不足引起的圖像在質量下降，對圖像做增強處理，目的是突出圖像中感興趣的信息，消弱甚至去除無關的信息量。達到改善視覺效果，提高圖像清晰度的目的，以利于下一步的圖像處理。直方圖均衡化是以累積分布函數變換法為基礎的直方圖修正法，是將一幅已知灰度概率分布的圖像變換成具有均勻概率分布的新圖像。圖像增強效果如圖5所示。

2.8 圖像邊緣提取

圖像的局部特性發生突變的一些像素的幾何稱為邊緣，存在于被檢測目前以及檢測背景之間，包括灰度，顏色，以及幾何特征的的突變，是進行圖像分割以及識別的重要依據.所以，要對目標體的邊緣進行檢測.matlab中提供了幾種常用的邊緣檢測算子，我們通過實際操作的檢測效果來具體分析，各算子檢測效果如圖6所示。

根據各檢測算子的處理效果可以看出，Sobel算子和Roberts算子處理結果會造成邊緣殘缺，圖像邊緣不完整；Log算子和Canny算子會使圖像細節過于豐富，降低處理效率，Prewitt算子具有較好的處理效果，比較符合要求，因此文章中采用此算子進行檢測。

2.9 圖像分割

為了對蠶蛹進行識別，最終目的就是提取出蠶蛹的尾部性狀特征，圖像分割的任務就是準確提取蠶蛹的尾部特征，文章基于獲取的圖像的最小矩形法來進行圖像的分割，把最小矩形按長度進行等分分割，通過比較各部分的面積，提取出面積最小的那部分圖像，即蠶蛹的尾部圖像，提取的圖像如圖7所示：

2.10 圖像形態學處理

為了更好的進行圖像的特征提取，從圖像的二值化圖像上可以看到圖像存在白色空洞的現象，這對于基于二值圖像的形狀特征的提取存在一定的誤差，因此要進行形態學的區域填充，使圖像具有完整的結構，圖像處理效果如圖8所示：

3 圖像特征的提取及實驗數據分析

3.1 提取圖像的形狀特征參數

提取了圖像的面積，周長，偏心率以及圓度等特征參數，對從蠶蛹形狀大小角度識別蠶蛹識別具有重要價值。

3.2 提取圖像的紋理特征參數

利用灰度共生矩陣來提取紋理特征是最普遍的特征提取方法，灰度共生矩陣算法不僅反映了圖像的亮度分布特性，也反映了具有相似亮度或同等亮度的像素點在圖像位置上的分布，其頻率數學表達式為：

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

式中？茲為點（x，y）移動的方向，Dx，Dy分別代表該方向的偏移量，？茲取0°，45°，90°，135°。

各點的頻度值為：P（i，j）= P（i，j，d，？茲）/R，其中R代表歸一化常數。

根據灰度共生矩陣提取了對比度、能量、熵逆差距、相關性等紋理參數。對比度反映了圖像的清晰度和紋理的紋理深淺；能量反應圖像的灰度分布均勻程度和紋理粗細度；熵則表示圖像灰度級集合的比特平均數，描述圖像的平均信息量；相關性的大小反映了圖像中局部灰度的相關性。

3.3 試驗

文章隨機選取了25個雄性蠶蛹樣本和25個雌性蠶蛹樣本，作為訓練樣本，進行文中所述的圖像處理以及特征參數的提取，對實驗進行回歸分析，另選取30個樣本作為測試樣本，用來驗證回歸分析的可靠性。通過對圖像的特征提取數值的分析，可以看出圖像的面積散點圖（圖9）和圖像熵值的散點圖（圖10）具有明顯的界線，可以很好的區分蠶蛹性別，為自動識別提供了很好的依據。通過對測試樣本的測試，綜合考慮面積以及熵值，能夠準確的分辨蠶蛹性別，準確率達96%。

4 結束語

文章提出了一種基于圖像處理的蠶蛹性別識別方法，通過對圖像的預處理以及特征提取數據的分析，確定了適合系統的圖像預處理方法，并完成了預定的設定目標，與現存的人工分揀相比，具有較好的效果和效率，可以減輕人工勞動強度，此方法具有較高的準確率，對實現蠶蛹的自動識別提供了很好的依據，對實際應用具有重要意義。

參考文獻

[1]蔣益女，徐從富.基于機器視覺的水果質量等級識別方法的研究[J].計算機與應用軟件，2010，11（20）：100-101.

[2]張恒敢，楊四軍，等.應用數字圖像處理獲取小麥子粒外觀特征參數的方法及其matlab實現[J].江蘇農業科學，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的奶牛數字圖像邊緣的提取[J].農機化研究，2011，33（2）：23-26.

[5]何翠群，章海亮.基于Matlab平臺的農產品分級圖像處理系統[J].安徽農業科學，2009，37（21）：15563-15565.

[6]白宗文，周美麗.基于Matlab的椒鹽噪聲圖像去噪方法研究[J].虛擬儀器技術2014（6）：27-28.

[7]鄧立苗，唐俊，等.基于圖像處理的玉米葉片特征提取與識別系統[J].中國農機化學報，2014，35（6）.

[8]羅雪寧，彭云發，等.基于MATLAB的紅棗圖像處理研究[J].農機化研究，2015（3）：183-186.

作者簡介：孫輝（1990-），男，山東成武，碩士研究生，研究方向為機器視覺。

*通訊作者：梁培生（1964-），男，廣西蒼梧人，副研究員，研究方向為蠶業機械與裝備。