羊绒纤维是一种性能良好、价格昂贵的纺织材料，在羊绒制品中，羊绒纤维的含量不仅直接影响着成品的性能，而且与企业的利润密切相关。目前，对绒毛混纺比例的检测主要依据显微镜与人工判断相结合的方法，为了提高鉴别的准确性和自动化程度，降低人为因素的干扰，本课题提出基于SEM图像处理的方法，通过人工智能原理对羊毛、羊绒纤维的混纺比例进行鉴别。　　本课题通过电子显微镜获取羊毛、羊绒纤维的SEM图像，并运用小波阈值变换去噪法进行去噪处理，完成灰度转化、二值转化。依据图像分割原理，选择最大方差阈值分割法对图像进行分割，获取目标图像，选择Prewitt微分算子对目标图像进行边缘检测并对边界信息进行曲线拟合，将复杂的边界信息用数学方法表达。通过测量两条拟合曲线的平均距离、曲线波动幅度、波动数量，并结合图像放大倍数，提取出纤维直径、边缘翘起高度、鳞片密度和径高比四个特征参数。　　基于获取的特征参数，本课题采用神经网络算法对特征参数进行分类，研究了BP神经网络和SOM神经网络的算法特点。考虑到实际分类问题中不同特征参数的重要性存在差异，选用SOM神经网络的基本模型，并在网络竞争层选择获胜神经元的过程中，通过计算不同特征参数的贡献率并结合马氏距离，引入分类项目的权重值概念，对SOM神经网络进行了改进，提出了SOM神经网络的加权分析法，选用该方法对特征参数进行分类，提高了分类的准确性和鉴别的自动化程度。