目的:死亡时间客观且准确的推断是法医学研究的重点和难点,对于重大刑事案件的侦破具有重要意义。角膜混浊是死后早期一种重要的变化,一直应用于法医学领域死亡时间推断。角膜混浊程度随死亡时间延长而发生规律性变化,在数字图像中表现为图像颜色和纹理的变化。本研究的目的即是设计一款专用于角膜的图像采集装置,并基于角膜混浊程度的变化规律设计一种分类算法对其进行客观量化,将算法固化到装置中实现实时分析,从而推断死者的死亡时间。方法:本研究基于图像处理、特征工程、机器学习等技术建立分类模型,实现了对角膜混浊度的客观量化,并将算法固化到硬件设备中实现实时分析。首先设计了一台角膜图像采集装置,同时为了便于操作、隔绝外界光源,我们还为其搭配设计了光学镜筒与操控软件。然后利用本研究所设计的图像处理算法从原始图像中自动分割角膜区域,根据事先经验提取其颜色特征和纹理特征,再通过特征选择去除无关特征及冗余特征。基于支持向量机、朴素贝叶斯、K最邻近法、决策树、随林森林、Adaboost 6种算法我们使用优化后的特征集合建立多分类模型。使用Precision、Sensitivity、F1分数评估模型的性能,从中选取性能最优的模型,最后将其固化到图像采集装置中,实时分析角膜混浊图像。结果:使用本研究设计的装置采集了4只猪死后左眼角膜图像,图像清晰且无反光点。对采集到的每张图像提取1097个特征,利用特征选择,去除971个无关特征及冗余特征,保留126个有关特征,优化了原始特征集合。在6种多分类模型中,Adaboost模型性能最优,无混浊、轻度混浊、中度混浊、重度混浊四分类的平均准确率为0.981,实现了对角膜混浊度的客观量化。结论:本研究设计的分类算法可根据死后角膜的图像特征对角膜混浊度进行分类,从而推断死亡时间。本研究设计的图像采集装置可以隔绝外界光源干扰,避免反光点的形成,通过操控软件调用分类算法分析角膜混浊度,将采集图像与实时分析功能融为一体,对于加快死亡时间推断具有重要意义。