蚕蛹雌雄识别的准确率直接影响到蚕种杂交率.现有的蚕蛹识别算法多数是以高光谱或近红外相机拍摄的图片作为输入,所需成像设备价格相对昂贵,且高光谱算法的高数据量与高计算量进一步导致其具有较高的应用成本.以普通数码相机拍摄的蚕蛹图片作为识别输入,提出了基于梯度特征的深度卷积神经网络(CNN)的蚕蛹雌雄自动识别算法.设计了包含4层卷积层的CNN,首先提取蚕蛹灰度图像的高级抽象特征,同时提取蚕蛹梯度图像的梯度直方图(HOG)特征,接着将高级抽象特征和HOG特征通过级联的方式进行融合,最后在现有数据训练集上最高达到100％的识别率,测试集的识别率平均可达95％左右,最高达到97.21％.试验数据表明蚕蛹图像的梯度特征也是蚕蛹雌雄识别的重要特征.提出的算法不需要红外或高光谱图片作为输入,降低了数据采集的设备成本和识别计算量.

家蚕雌、雄蛹鉴别和分离是家蚕杂交种生产的必须环节。目前雌雄蛹鉴别、分离主要依靠熟练技术工人通过肉眼和手工进行。为了将来开发一种可以自动识别和分离雌雄蚕蛹的装置，选取6个品种的雌、雄蚕蛹各约20粒，建立了蚕蛹体形图像数据库。结果表明：从该数据库可以获得用以区分雌雄蚕蛹的体形数据。对蚕蛹体形图像数据库的初步应用显示：从数据库中获取的蛹体重、体长、体宽等，可以在一定程度上用于识别和区分不同品种的雌雄蛹体。本实验为进一步研究雌雄蛹体形特征，开发雌雄蛹分离装置提供了基础数据。