蚕茧的品质主要依据表面疵点种类判断,目前在缫丝生产流程中,工厂及检验机构仍依赖纯手工操作完成选茧工序,严重制约了缫丝效率且影响丝绸产品质量,如何快速、准确识别蚕茧疵点种类已成为茧丝绸行业的一大难题。本文针对蚕茧分选流水线上的粗选、精选两种工况,以黄斑、印头、薄皮、烂茧和上车茧等5类选茧工序中最为常见的蚕茧为研究对象,基于机器学习技术分别实现群体、单粒蚕茧疵点的种类识别,具体研究内容及工作如下:1.蚕茧图像的采集与分割预处理。设计制作蚕茧图像采集装置,采集蚕茧图像并标注形成数据集,以VGG19为主干网络构建蚕茧图像分割模型,迁移学习冻结参数后,替换全连接层为卷积层,采用跳跃结构实现高、低层蚕茧图像特征融合,并在模型末端接入条件随机场进一步优化分割效果。与阈值分割、Fcn8s等方法作对比试验,试验结果表明:模型像素精度为98.70%,平均交并比为96.32%,分割效果优于其它方法,为后续蚕茧疵点种类的识别提供基础。2.粗选工况下的群体蚕茧疵点目标检测。对传统的YOLOv3目标检测模型做出改进,利用K-means聚类获取适合蚕茧的先验框长宽比,重新设计了损失函数中蚕茧定位与疵点种类的组成比例,并修改原有模型的主干网络结构。对改进YOLOv3模型进行测试,测试结果为:群体蚕茧疵点平均识别精度为91.5%,识别速度为18fps,基本可以达到群体蚕茧疵点实时检测的目的。3.精选工况下的单粒蚕茧疵点种类识别。为保证识别准确率设计两道工序:第一道工序提取HSV颜色模型下的蚕茧图像颜色直方图和颜色矩特征,将颜色特征汇总为特征集后进行主成分分析,然后结合支持向量机构建疵点分类器并在测试集上试验,试验结果表明该分类器能够准确识别黄斑、烂茧等疵点具有颜色特征的蚕茧;第二道工序中,构建基于卷积神经网络的疵点分类器,并对激活函数、优化器等结构优化,输入蚕茧图像训练分类器,测试发现该分类器解决了第一道工序对薄皮、印头等疵点识别效果不佳的问题,平均准确率为94.42%。4.蚕茧疵点种类识别系统开发。实时采集、显示群体及单粒蚕茧图像,供操作员对蚕茧图像做分割、识别等处理,并将结果存储在数据库中,实现蚕茧疵点种类识别过程的数据可追溯。