紫色土是西南地区的重要耕作土壤。对于普通的农业从业人员而言,识别土壤类型是土地耕作和作物种植的基础。本文旨在设计并实现一个紫色土分类识别系统,获得紫色土分类识别的辅助系统。本文的主要工作如下:(1)基于纹理的超像素算法的图像分割。针对传统超像素算法只考虑距离与颜色的特征而导致分割的精度不高,引入了纹理特征LBP,通过自适应选取合适的阈值提取轮廓信息结合距离与颜色特征,进行加权,得到后的图像,通过后处理的算法(孤立点剔除算法与空洞填充算法),得到最终的分割后图像。(2)基于孪生网络的模型构建。经典的模型与流行的模型并不能直接适用于紫色土图像,传统的卷积神经网络结构为链式单一的结构,精度不高。为了解决这些问题,本文将卷积神经网络设计为孪生结构。针对RGB与Lab的颜色空间的输入,得到融合的紫色土特征,经过全连接层的输出得到分类结果。(3)面向基于普通农业工作人员的紫色土分类识别系统。本系统在Window下基于C++语言开发环境,MFC应用程序框架,算法执行语言为Matlab,以Microsoft SQL Server为数据平台。通过VS的程序将系统的界面与功能设计并实现。对界面考虑了实用性与简洁性。重点对系统的需求实现了样本训练曲线界面与用户的操作日志与管理用户的功能模块、预分割后的现实界面、分类结果的显示界面。