基于图像识别的家蚕蛹体形数据库构建和初步分析

赵一舟　欧 瑶　李江岚　刘黎昊昱　张高军

(1. 西南大学电子信息工程学院，重庆　400716；2. 西南大学生物技术学院，重庆　400716)

基于图像识别的家蚕蛹体形数据库构建和初步分析

赵一舟1欧 瑶2李江岚2刘黎昊昱2张高军2

(1. 西南大学电子信息工程学院，重庆400716；2. 西南大学生物技术学院，重庆400716)

摘要家蚕雌、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。

关键词家蚕蛹；雌雄鉴别；图像；数据库

在家蚕蚕种生产中，为了充分发挥杂种优势，要求在蚕儿化蛾前将同一个品种的雌、雄个体完全分开，以减少同品种雌、雄蛾自交带来的损失，提高蚕种质量[1]。目前生产上对雌、雄个体的鉴别和分离主要根据雌、雄蛹在体形上的差异，依靠熟练工人通过肉眼识别和手工分离。人工识别的准确度和操作速度依赖于技术工人的经验。一方面，蚕蛹的雌雄鉴别需要在蚕蛹化蛾前数天内完成，对速度和准确性都有极高的要求。

近年，开发了幼虫限性斑纹等蚕品种，使得雌雄个体特征更加明显，雌雄鉴别的有效时期得到扩展，一定程度上缓解了鉴蛹工作的压力[2]。但是，依赖肉眼识别、人工分离的问题仍未解决。也有开发限性荧光茧色等品种，但雌雄鉴别的准确率因雌雄而异，而且茧色荧光受幼虫期饲料条件的影响，雌雄茧间的差别并不稳定[3-4]。近年，随着计算机和信息技术的进步，开始出现将图象识别和大数据处理技术用于蚕蛹雌雄鉴别的研究[5]，但由于数据分析的样本小，推导识别准确率不够高，目前尚处于理论研究的初期阶段。

本实验建立一个较大规模的家蚕蛹体形三方位图像数据库，建立过程力求标准化和可再现性，为下一步进行大数据分析，建立蚕蛹雌雄体形特征数学模型，最终通过机械控制实现自动鉴别和分离雌雄蚕蛹提供基础数据。

1材料与方法

1.1实验材料

2016年春季家蚕原种蚕蛹，由重庆市蚕业科学技术研究院提供。共6个品种，每个品种随机抽取雌雄蚕蛹各约20粒。

1.2实验仪器

JA3003A电子天平(上海精天电子仪器厂)、Canon EOS 5DMarkⅢ数码单反照相机(日本佳能公司)、Canon 50mm F1.8定焦镜头(日本佳能公司)、Fotopro MGC-684N+三脚架(广东富图宝科技有限公司)。

1.3实验方法

将蚕蛹分品种、雌雄按顺序编号。每个蚕蛹先用天平称量并记录重量后拍照。拍照的蚕蛹放置于绿色不织布台面，照相机从蚕蛹的垂直正上方拍摄。相机用脚架固定，准确设定拍摄距离为0.50m。每个蚕蛹拍摄腹面、侧面和背面各一张。拍摄光线利用晴天上午自然光线，避开直射阳光在室外进行。

2结果与分析

2.1拍摄方法和参数筛选

在正式拍摄前进行了反复试拍测试，以确定正式拍摄的方法和相机参数。为了提高拍摄工作效率，考虑到蚕蛹背面和腹面的颜色深浅不同，拍摄时采用定光圈半自动模式，并采取中央重点平均测光；考虑到蚕蛹厚度不一，对焦设定为单点自动对焦模式，对蚕蛹的中心部位对焦，并适当缩小光圈，以保证蛹体边缘清晰。为了方便后期图像处理，选择接近蚕蛹体色对比色的绿色作为背景。最终确定的照相机拍摄参数为：光圈F8.0，ISO自动，快门自动，单点自动对焦，自动白平衡。拍摄时在蚕蛹近旁放置透明塑料直尺作为尺寸参考，同时将品种名、编号标识等与蚕蛹摄入同一视野。拍得照片全景如图1A，蚕蛹部分放大后如图1B。图像清晰，可满足后期数据分析的需要。参数设置简单，利于以后根据需要按同样方法增加数据，扩大数据库容量。

A：相机直接拍得的照片；B：剪去背景后的蚕蛹照片

2.2蚕蛹图像数据及质量

对拍摄的照片进行初步质量分析，弃去重复和异物遮挡的照片后，得到有用的照片共716张(表1)。大多数品种的照片确保有雌、雄各20个蚕蛹的腹面、侧面和背面照片各1张，共60张。所有照片为JPG格式，颜色模式为sRGB，尺寸3 840×2 560像素，水平和垂直分辨率均为72dpi，位深度24。运用photoshopCC进行背景抠除试验，结果显示，所有照片均可用魔棒工具(容差100，取样大小5×5平均)选择和抠出蚕蛹周边背景。

2.3蚕蛹体重数据分析

各品种分雌、雄蚕蛹重量平均值统计如表2。调查的所有品种的蛹重平均值均是雌蛹大于雄蛹，单因素方差分析显示所有品种内雌、雄蚕蛹间体重存在极显著差异，说明蛹体重可以作为雌、雄蛹鉴别的一个重要参数。但是，不同品种间蛹体重标准差和变异系数存大较大差异。此外，同一品种雌、雄间的离散性大小存在相同的趋势，如春晓的雌、雄蛹变异系数均是最大，而锦秀和绫83的雌、雄蛹变异系数均较小，说明蛹个体重量离散性是品种的特征之一。因此，在雌、雄鉴别自动控制系统参数设置上必须考虑品种因素。

2.3蚕蛹体形数据分析

一般肉眼鉴别时用于区分雌、雄的蚕蛹体形包括蛹体大小、环节宽度、尾部弧度、外生腺形态等。此处仅以其中的蛹体腹面长和宽为例，检验体形图像数据库的可用性。从体形图像数据库中，每个品种随机选取雌、雄蛹各6头的图像，利用照片中的标尺，测算蚕蛹的长度和宽度，计算长宽比数据详见表3。由表3可知，所有品种无论蛹体长度还是宽度，都是雌蛹大于雄蛹，且差异达到显著或极显著水平。有趣的是，蛹体长与宽的比却都是雄蛹大于雌蛹，说明雌蛹更加“短胖”，雄蛹更加“瘦长”。单因素方差分析显示，有3个品种(皓月A、绫83和锦绣A)的雌雄间蛹的长宽比差异达到显著水平，其中绫34达到极显著水平，其余3个品种雌雄间差异不明显。因此，利用蛹体大小区分雌雄蛹比较可靠，而利用“胖短”或“瘦长”区分雌雄的可靠性较差。

表3　不同品种蚕蛹分雌雄体长、体宽统计

续表3　不同品种蚕蛹分雌雄体长、体宽统计

注：平均值为6头蚕蛹的平均。

3讨论

本实验建立了包括6个品种原种的雌、雄蚕蛹腹面、侧面、背面体形图像和蛹体重量信息的体形数据库。数据库的数据较为丰富，图像清晰可辨，足以用于以区分雌、雄蛹为目的的图像分析。数据库图像采集方法标准、参数设置简单，有利于后期扩充。通过对部分源于数据库图像的数据的分析，显示了该数据库的有效性。但是，本实验作为一个尝试，仅选取了日系6个品种蚕蛹建库，容量有待增加；在数据分析方法方面，仅对蛹体形简单参数进行了比较，有待深入剖析雌、雄蚕蛹的更多体形差别，确定各类体形特征在雌、雄蛹识别上的权重，归纳形成适当的数学模型，为计算机编程实现自动控制鉴别和分离雌、雄蛹提供准确的理论支撑。

参考文献

[1]冯家新. 蚕种学[M] .北京：农业出版社，1993.

[2]艾均文,司马杨虎,何行健,等.夏秋用斑纹全限性家蚕品种锦·绣 × 潇·湘的选育[J].蚕业科学，2013，39(3)：0499-0506.

[3]刘敬全，于振诚，崔玉梅，等．家蚕荧光茧色判性蚕品种荧光、春玉的育成及其一代杂交种的选配[J]．蚕业科学，1996，22(3)：155-159．

[4]许乃霞. 家蚕荧光茧色判性机理的研究[D]. 苏州大学，2011.

[5]龚攀，李光林. 基于计算机视觉的蚕蛹性别识别应用研究[M]. 农机化研究,2014,1:206-209.

作者简介：赵一舟(1995-)，在读本科生。E-mail: sherlockob@163.com 通讯作者：张高军，副教授，硕士生导师。E-mail:zhaotf@swu.edu.cn

资助项目：西南大学本科生科技创新基金项目(No.1513014 )。