烟支计数是中小型卷烟厂生产车间必须完成的一道工序。利用图像处理技术对烟支进行计数,是一种可选的方案。先二值化,则信息损失严重;直接基于彩色图像对烟支进行识别计数,虽然避免了二值化过程中对颜色信息的丢失,但该方法计算量大,识别速度慢,且对缺损烟支识别精度不高。针对以上问题,从遗传算法入手,试图改进或解决以上问题,实现遗传算法的多目标识别应用。烟支图像的分割,是烟支识别计数前的一个重要环节,好的分割效果,是烟支识别计数的必要条件。在分析烟支图像特点的基础上,将遗传算法与最大熵相结合,求取各个颜色通道的分割阈值,然后选择熵最大的颜色通道的阈值为最后的分割阈值并对图像进行分割。在烟支计数环节中,根据烟支的类圆形特征,定义一个圆形空心模板,并将部分Hausdorff距离引入遗传算法的适应度函数定义,用来测量模板与烟支的相似程度,以判断是否为一支烟支。在计算部分Hausdorff距离之前,首先对产生的随机烟支中心坐标点进行判断,看是否为可能的烟支中心点,如果不可能是烟支的中心点就不计算部分Hausdorff距离,以减少计算时间,增强烟支中心点识别的准确性。将遗传算法应用于烟支计数识别,是一种多目标的识别计数,而以往都是将遗传算法应用到单目标的匹配识别,即使是多目标也只是应用到分割上来,因此烟支识别计数并不是只求取一个最优解,而是将每代大于特定适应度值的个体都看作是一个解,这样就解决了多目标识别问题。在分析分割烟支图像的基础上,又将模板定义成三个半径不同的圆形实心模板,并与遗传算法相结合,随机产生模板的中心坐标点,并以此坐标点为中心,取该区域的图像与模板相比较,以判断此处是否为一支烟,达到烟支计数的目的。在实验结果的基础上,分别从识别时间和识别精度两方面对算法进行了分析比较,并且给出了提高烟支整体计数精度的改进方案。