家蚕微粒子病是由微孢子虫寄生在家蚕而引起的一种传染性蚕病,曾给桑蚕业带来巨大打击。通过对微粒子病的研究,法国微生物学家巴斯德于100多年前提出了母蛾镜选法。此后,对家蚕微粒子病的检验就始终采用这种镜选技术。然而传统的母蛾镜选法存在劳动强度大、工作效率低、检测结果无法复现等缺点,且人眼在长时间作业后容易疲劳,也会对检测结果产生不利影响。随着人们对检测质量要求的不断提高,各种检测技术层出不穷,但仍然没有一种方法可以完全替代母蛾镜检法。本课题根据蚕业生产的特点,并结合图像处理技术和FPGA(Field Programmable Gate Array,现场可编程门阵列)技术对家蚕微粒子病毒的检测进行了研究。本文设计了一种基于FPGA的家蚕微粒子病毒自动检测系统。通常情况下,微粒子图片含有蚕蛾碎片、蛾毛以及其他孢子等不可避免的噪声。针对这种情况,本研究采用中值滤波算法进行家蚕微粒子图像的预处理,增加了微粒子孢子的清晰度。采用高帽变换和形态学方法对微粒子图像进行分割处理。根据微粒子外观呈椭圆形的显著特征,对其进行了形态特征提取。并用遗传神经网络算法对微粒子进行了识别。图像预处理的数据量大,影响运行速度,因此本课题运用FPGA技术进行摄取图像并进行预算,优势是利用其并行处理,可以提高运算速度,从而提高检测的实时性,有利于PC机进行进一步处理和检测识别。本课题采用遗传神经网络算法对微粒子病毒进行识别,对单幅含微粒子的图像的平均识别率为80%以上,并对150张微粒子图像进行有无病毒识别,识别率可达81%。实验结果表明用FPGA对家蚕微粒子图像进行处理的方法能够解决微粒子病的复现问题,提高了检测的速度和识别精度,对家蚕微粒子自动检测的实现具有积极意义。