家蚕微粒子病是由微孢子虫寄生蚕体细胞内引起的可传染性原虫病,它是一种古老的、分布甚广且毁灭性强的蚕病,俗称“蚕癌”,是目前各蚕业生产国规定唯一法定检疫的蚕病。按照优选蚕种、制造无病毒蚕种以及消灭本病的原则,一直沿用母蛾镜检法来防止微粒子病毒通过母体传染,如今已成为防止家蚕微粒子病的主要检测手段。由于人工镜检的方法存在劳动强度大、结果不可复现且容易产生错检或漏检的问题,本文开展基于基于机器视觉的家蚕微粒子病识别方法的研究,将机器视觉技术引入蚕病的检测,主要内容如下：(1)针对微粒子显微图像对比度低、图像不清晰的特点,提出了基于模糊信息的图像增强预处理方法,该方法融合了基于全局的Pal模糊增强与局部模糊对比度增强两种算法思想,实现了改善图像整体对比度和增强目标图像局部细节信息的目的,有利于后续的图像分割处理。(2)针对复杂背景条件下微粒子显微图像的分割技术问题,提出了基于HSI模型的微粒子图像分割技术。根据微粒子图像的颜色特征提取准则,实现了彩色目标对象与非目标杂质图像的直接分离,减少了与微粒子形态相似的其它疑似孢子产生误判的可能性；消除了背景中部分杂质图像对于分割处理效果的不利影响,提高了二维Otsu分割方法对于彩色目标H分量图像分割的适应性。(3)根据微粒子图像的形态特点,研究了微粒子图像的特征提取技术,实现了微粒子图像初始形态特征参数集的选取；针对微粒子图像多特征选择的优化组合问题,提出了基于多特征融合的微粒子图像特征选择技术,该技术通过相关分析方法,实现了初始特征集中特征冗余信息的去除,并采用基于分类器学习的特征优化选择方法,确定了微粒子图像的最佳分类特征集。(4)分析了BP神经网络的学习过程,提出了改进的BP优化算法；针对BP神经网络存在“局部极小值”和收敛速度慢的问题,研究了遗传神经网络的混合训练方法,提出了基于遗传神经网络的家蚕微粒子病识别技术方案,确定了识别系统最优的网络结构,验证了遗传神经网络应用于微粒子图像识别问题的有效性与正确性,并对识别系统方案的软硬件实现技术进行了总体设计。