蚕茧的基本性状主要由颜色特征、形状特征以及纹理特征等组成,其中颜色特征与形状特征决定了大多数蚕茧的种类。如何根据蚕茧的基本性状选取优质蚕茧种类是现阶段选茧工序的一大难题。当前,缫丝工厂仍采用人工选茧的方法,剔除不能缫丝或难以缫制成正品生丝的蚕茧。此方法工作强度高且易受人为因素影响,需要继续寻得更优的替代方法,而现有的智能化选茧装置存在自动化程度低、检测精度不满足生产需求等问题。因此,本文开展了对蚕茧种类自动化检测装置的设计与智能化辨别方法的研究。首先,针对不同种类蚕茧的基本性状与选茧工序的实际需求,本文设计了一套选茧工艺流程,整体流程由粗选工序、单粒化工序以及精选工序组成。根据选茧工艺流程设计了一种蚕茧种类自动化检测装置。其中粗选工序采用直线振动筛机构,以非标直线振动筛振动分离双宫茧、瘪茧以及特小茧,提高装置的选茧效率;单粒化工序采用海绵吸盘旋转机构,利用连接微型真空泵的海绵吸盘循环吸附蚕茧,并将其运送至差速传送带,扩大蚕茧间距,实现单粒化,为后续智能化辨别提供便利;精选工序采用推茧式输送带机构与气动吹茧机构,借助推茧块、支撑板与蚕茧之间的摩擦,实现了蚕茧翻滚前进运动,以便摄像机采集蚕茧完整表面图像,而后利用气动吹茧机构依照种类识别信号对到达指定位置的蚕茧进行吹气并收纳。各工序之间的控制部分主要是根据装置的工作流程进行了对应的硬件电路设计以及控制程序开发。其次,针对蚕茧种类智能化辨别问题,提出了一种基于CD-YOLOv3的蚕茧种类实时检测算法。以上车茧、烂茧以及黄斑茧作为研究对象,对传统目标检测算法YOLOv3进行改进:采用随机数据增强方式,使蚕茧数据集更具有多样性;采用C-means算法聚类蚕茧先验框,获得更匹配蚕茧尺寸的先验框;更改标准损失函数的组成比例以及引入GIo U边框损失函数,提高蚕茧分类的准确率;通过合并BN层与卷积层参数减少模型运算量,删除不适合蚕茧尺度的特征图以简化网络结构,加快蚕茧种类预测速度。对CD-YOLOv3算法进行实验与分析,实验结果显示蚕茧种类检测平均准确率为92.7%,识别速度为25fps,基本满足选茧装置的智能化辨别需求。最后,本文开发了一套蚕茧智能化辨别系统。该系统可实时显示蚕茧种类识别结果,将识别后的图像存储于数据库中,操作人员可通过该系统查看已识别完成的蚕茧图像信息,实现蚕茧辨别结果的可追溯。并通过采集七省市各类标准蚕茧的图像,建立对比图像库,辅助人工对比查验辨别结果。