在大米品质检测过程中，大米的粒型是区分大米品质最直观的指标，所以很多大米品质检测机构都把大米的粒型作为大米品质检测的主要指标。目前我国农业机械化程度较低，对大米粒型的检测主要依靠人工操作，这种方法虽然容易实现，但是效率太低、人为主观因素太大，给大米的生产和销售带来很多麻烦。所以本文提出了一种基于机器视觉技术的大米粒型检测系统，对大米品质检测的研究具有重大意义。本文主要工作和创新如下：(1)设计了一套基于机器视觉技术的大米粒型识别装置，在这套装置中用FPGA控制线阵CCD采集大米图像，然后用AD9821芯片和AD9823芯片对线阵CCD输出的模拟信号进行差分放大和模数转换。(2)采用灰度变换、直方图、中值滤波、图像增强等方法对采集到的原始图像进行图像预处理。(3)根据大米形态特征提取大米面积、周长、长轴、短轴等13个特征参数作为大米粒型识别的依据。又由于这13个特征参数不相互独立，它们携带的大米特征信息有冗余，所以采用主成分分析法对提取的特征参数进行降维和去冗，并用生成的前3个主成分代替大米的13个特征参数作为大米粒型识别的依据。(4)用遗传算法优化BP神经网络的权值，然后用改进后的BP神经网络和标准BP神经网络分别对大米粒型进行识别，并比较它们的优越性。实验结果证明：用遗传算法改进后的BP神经网络在对大米粒型识别的正确率上和实时性上都优于标准BP神经网络。