本文主要是针对不同颜色的实验室垃圾进行检测。
（1）本文采用了一种应用MATLAB软件，将颜色作为实验室垃圾检测的先决步骤，在RGB色彩空间应用阈值法建立颜色模型来定位初步检测结果。
（2）定位到了初步检测以后，再继续精准定位实验室垃圾区域。本文还利用了形态学知识，进行小面积干扰的去除，从而精准定位实验室垃圾。
（3）利用bp神经网络的方法进行训练，对垃圾分割后进行分类和识别。
（4）设计了GUI界面，有利于算法的集成，操作起来简单方便，人机交互性好。
2论文结构和各章节安排
本论文的结构和各章节安排如下：
第一章介绍了基于图像处理的实验室垃圾识别的研究背景与意义，同时也诠释了本文的设计思路、研究内容及创新之处。
第二章对软件系统中的两个重要模块（初步检测颜色检测模块和形态学模块）的原理和实现方式做了深入简出的剖析。阐明了实验室垃圾识别系统的总设计思路与算法，对各类色度空间以及颜色模型做了详细说明。
第三章主要对图像预处理模块做了重点介绍，讲解了图像预处理模块和初步检测颜色定位模块具体的图像处理工作，包括滤波、色彩空间变换等。对为什么这么做，这么做实现的效果做了详细说明。
第四章对实验室垃圾识别系统软件进行了算法验证，讲解了具体操作步骤、操作方法、实现效果，并对该系统的实验结果进行了分析。
第五章对整篇论文进行概括总结，并叙述了未来的工作目标和研究方向。
3实验室垃圾识别的算法设计
检测实验室垃圾的方法，本设计是使用初步检测定位结合实验室垃圾颜色的方法。首先可以利用初步检测定位器将目标初步检测区域与复杂背景进行初步分离，然后在该初步检测区域内，利用颜色定位的方法对初步检测的区域进行遍历像素，这样就可以准确地定位出属于不同颜色的像素值的位置分布，并将其置白色。如果有期望的垃圾颜色，那么实验室垃圾部分必然形成一块比较大的面积区域，因此该块实验室垃圾区域块呈现白色，最后通过形态学知识滤除掉白色面积块小于一定值的区域，留下面积一定的白色面积块，该面积块即为实验室垃圾区域。相反，如果白色块面积低于一定的值，则认为不存在该颜色的像素，则无实验室垃圾。
本文的算法流程图，如图所示。
