桑蚕业作为中国的传统优势行业,在农业经济中占有重要的比重。在桑蚕养殖的主产区,其对劳动就业、相关产品出口、经济建设等具有重要的意义。在桑蚕养殖和育种过程中,雌雄蚕蛹的分类对桑蚕育种及茧丝绸产品加工有直接的影响,关系到蚕种质量、茧丝绸质量等,因此蚕蛹雌雄分类工作是优产至关重要的步骤。鉴于目前的蚕蛹雌雄分类工作大都为人工进行,效率低,强度大,受主观因素影响大,本研究针对目前的工作现状,并利用蚕蛹发蛾期前的身体形状和纹理结构的差异,采用机器视觉的方式对蚕蛹雌雄识别工作进行研究,研究过程中,通过图像采集、处理、特征提取,并采用Mahalanobis距离分析方式,主成分分析和人工神经网络相结合的方法,建立了PCA-BP模型进行训练和仿真实验,识别准确率达到98%,符合《桑蚕一代杂交种的质量标准和检验规程》标准,同时具有较高的检测速度,为蚕蛹分类识别工作提供理论支撑和新途径,对实际生产具有重要的应用价值。概括来说,涉及到的主要研究内容如下:1.阐述了蚕蛹分类的背景及意义,探讨了国内外相关的研究进展和趋势。2.探究机器视觉途径进行识别的可行性,并介绍了目前其应用范围和趋势。3.对蚕蛹图像获取装置进行设计及其相关元器件的选用,搭建了机器视觉平台,为图像获取做好准备工作。4.得到目标图像后,对图像的灰度、形态、质量等做一系列的预处理工作,根据雌雄性别之间形状、纹理结构的不同,提取其形状和纹理特征参数。5.在图像处理的基础上,基于提高自动化程度的目的,采用距离判别进行分析;又应用主成分分析法和人工神经网络,对提取到的特征数据进行数据分析,得到相关主成分;对BP神经网络研究并改进,开发了适合本研究对象的网络结构及程序,建立了PCA-BP识别分类器模型。通过利用蚕蛹样本对分类器做训练、仿真验证工作,结果表明该方法对蚕蛹雌雄辨别准确率达到98%,达到行业标准要求。