目前，蚕茧质量评级通常是取50g鲜样茧剥去茧衣、削剖、倒出蛹和蜕皮，清除死笼污物，称鲜壳重，烘干至无水恒重时称其干壳重量，以干壳重量进行分级^[1]。由于整个过程的烘壳时间较长，茧站面对千家万户售茧，来不及逐个检测，于是很多茧站采用手摸、目测、口喊价。而根据手感湿度和蚕茧表面疵病来判断蚕茧的好坏，只能评定蚕茧的外观质量，测试精度低，易受评定者的主观因素和实际经验影响，不能达到“优质优价”，极大地损伤了蚕农提高蚕茧质量的积极性。而且，剖茧称重破坏试样，造成极大的浪费。据统计，我国每年为检测蚕茧质量而浪费鲜蚕茧930t，直接经济损失1300万元，既浪费生产丝140t，又减少创汇392万美元。为了实现按质论价及不浪费收购蚕茧的原则，蚕业界内外人士一直在不懈地努力，寻求一种质量无损的检测方法，中国测试研究院、四川省农业科学院蚕业研究所、成都电子科技大学、浙江大学和浙江省农业科学院等单位先后对此进行过研究；研究的方法有荧光数模评茧法、动量分离原理的超声波检测、悬浮2次称重法、弹力测定法和分析扣减水分法等，但这些方法均由于精度不高，最终没能实用化。近年来，湖北省农业科学院经济作物研究所和湖北工业大学设计了利用数字图像处理技术、光电技术及振动原理对桑蚕鲜（干）茧质量开展无损智能检测技术的研究并取得了一定进展。

　　根据GB/T 19113—2003《桑蚕鲜茧分级(干壳量法)》，干壳量是蚕茧评级项目中的主要检测项目，可根据“质量＝体积×密度计算茧壳量”计算，由于同一个地方、同一季节每一相同品种的桑蚕丝密度相对比较稳定，因而求茧壳量主要是求其体积。其基本原理是通过光照蚕茧，用CCD摄像器对被检茧进行图像采集，利用其表面积图像的像素点和透射图像的灰度值分别表示蚕茧的表面积和厚度，进而求出茧壳体积。通过专用软件对采集到的图像数据进行分析处理、数学建模，建立标准数据库，进而推算出蚕茧干壳质量。然后再利用数据库技术，根据不同的品种和同一品种在不同的季节建立桑蚕茧干壳量评级的标准数据库，利用此数据库可以确定所测蚕茧基本级别^[2]。

　　1.1好蛹率、色泽及匀净度检测

　　根据鲜蚕茧的表面图和透视图及利用阈值和灰度值的计算进行判别，即在一定光强（普通光源与激光光源）的照射下，对桑蚕茧摄像并利用数字图像处理技术设立不同的阈值，根据不同阈值下的像素点的多少来判断色泽的级别，由桑蚕茧表面图像判断被测桑蚕茧受污情况（黄斑茧等），可快速找出次茧。通过鲜蚕茧的透视图像及鲜蚕蛹的轮廓曲线判别出化蛹茧、毛脚茧、僵蛹（蚕）茧、死笼茧、内印茧^[3]。根据不同品种和同一品种在不同季节生产的桑蚕茧建立鲜蚕茧相对于好蛹率评级的标准数据库，利用此数据库依据GB/T 19113—2003《桑蚕鲜茧分级（干壳量法）》标准确定所测蚕茧是升级还是降级，通过对不同产地蚕茧进行检测，误差小于0.1%。

　　1.2 干壳量检测

　　利用氦氖激光对蚕茧进行透射，利用图像灰度值和不同厚度蚕茧透光不同的关系，应用亮度方程计算蚕茧图像每一点的灰度值和每个像素点的w值，再求平均值；通过实验研究建立与w值相对应的蚕茧茧层厚度数据库，采用积分旋转体蚕茧茧层数学模型对其进行分析处理，求得干壳量。研究表明^[4]：桑蚕茧表面积相对误差小于1%；对形状规则的桑蚕茧和在电源稳定的条件下，桑蚕茧厚度测量误差可控制在2%以内；依据GB/T 19113—2003检测50g鲜上车茧的干壳量，检测精度可达0.5g。

　　研究证明，此方法是切实可行的，采用此检测方法可以检验以下项目并能够达到以下指标：（1）不切剖蚕茧，减少蚕茧资源浪费和经济损失；（2）可简便、直观、快速地对蚕茧评级，具有智能性；（3）50克鲜蚕茧干壳量可精确到0.5g；（4）好蛹率的测量准确率95％以上；（5）茧层含水率可精确到0.2%以内；（6）能准确地测出茧粒数；（7）能准确地鉴别出蚕茧色泽。

　　根据振动信号无损检测蚕茧质量方法的基本原理是将茧壳固定在某一专用夹具中（蚕蛹在茧壳中可以随机振动），激振器以正弦规律激振。通过加速度传感器采集振动原始信号，再经过信号处理得到蚕蛹在茧壳中的随机振动信号^[5]。由试验论证在相同的条件下（如激振器的激振频率，激振功率不变等条件），蚕蛹的重量越重，蚕蛹在茧壳中随机振动信号就越强烈（表现为振动信号的幅值大、方差大等特征值上）。然后找出蚕蛹随机振动信号中与蚕蛹重量有关的特征值。最后利用这些特征值建立判别蚕蛹重量的BP神经网络数学模型．继而根据该数学模型来判别蚕蛹的重量，从而间接推出蚕茧茧壳的干壳量^[6]。

　　研究设计了基于虚拟仪器信号发生器软件、自动批量数据采集系统、桑蚕茧无损智能检测系统及数据处理Matlab节点程序等软件；开展了利用小波包对振动信号进行分解、对低频和高频段信号进行特征参数的提取、振动加速度信号特征的优选及神经网络和回归分析的特征识别等工作。小波包分析既能分解桑蚕茧振动的低频信号，也能分解蚕蛹跳动的高频信号，对低频与高频信号的综合分析，能有效提取与桑蚕茧质量对应的振动信号的特征。确定了与蚕蛹重量有关的9个特征值，并以此作为BP神经网络的输入。神经网络的输出层为1个，即蚕蛹的重量。以100个样本作为训练样本，以另外100个样本为预测样本，采用神经网络分析结果表明，50g鲜上车茧干壳量误差小于0.2g的准确率达到73.8% ，误差小于0.3g的准确率达到93%^[7]；这2年，经对系统进行改进，50g鲜上车茧干壳量误差小于0.2g的准确率达到82%，但是实验结果还存在误差值较大的比例，虽然比例较小，其原因是蚕蛹在茧壳中“卡死”，不产生振动信号，从而造成检测误差，有待今后研究中进一步处理解决。

　　3小结

　　依据光电与数字处理技术，实现了对蚕茧茧层水份、色泽匀净度、内印茧、僵蛹（蚕）茧、上车茧、柴印茧及干壳量等的智能无损检测；而依据振动原理对蚕茧干壳量的无损智能检测精度较前个方法高，虽然仍未能完全达到国家标准规定的精度要求，但相对于以前的检测方法已是一个很大的跨越和进步，是实现蚕茧质量智能无损检测最有效的途径之一，若达到实用化程度后能基本实现长期以来不能实现的“优质优价、劣质劣价”国家蚕茧收购政策，并且评定精度级别稳定可靠，人为影响因素小，仪评度高，将对提高蚕农养优蚕的积极性和推动我国桑蚕业的发展起重要作用。