水果的品质检测一直是农业热门的话题,也是果实产销和收益增值的关键一步,水果的检测和分级技术影响着国内外农产品的市场竞争。针对我国商品水果检测效率低、误判率高、速度慢等问题,采用机器视觉技术,以菠萝为研究对象,研究了水果品质的无损检测方法。基于机器视觉技术对菠萝进行无损检测,不仅能提高检测效率,速度快,误差小,比人工检测的精准度更高,同时无损的检测方法也降低了对果实的损耗和伤害,不影响果实的商品价值。研究主要包括菠萝的抗坏血酸含量检测,尺寸、重量和大小的检测,成熟度分类检测3种,具体研究内容为:（1）为提高采集图像的质量,减少图像处理时间,减少图像处理时的背景干扰和噪声干扰,对采集图像的感兴趣区域提取方法进行了研究。提出基于PSPNet的语义分割方法,并提出了改进方法,针对原模型网络层数多、参数多、预测速度慢等问题。提出了用Mobile Net网络模型替代原Res Net网络模型作为主干特征提取网络;针对Re Lu激活函数在输入为负值时,神经元无法更新参数的问题,引入Leaky Re Lu函数进行替代。实验证明,改进后的网络模型对菠萝进行语义分割像素精度达到92.458%,平均交并比达到87.134%,响应时间由0.067s提升到0.043s。（2）完成了菠萝抗坏血酸无损检测模型构建。在上文的基础上,将采集的菠萝图片数据进行背景分割,提取菠萝果体最小感兴趣区域,基于菠萝果体的表征信息进行数据特征提取,共提取了33种特征变量,经过特征筛选后保留12种重要性强的特征用来构建渐进梯度回归树模型,最终验证得到模型决定系数为0.853,均方根误差36,满足检测精度要求。（3）完成了菠萝尺寸、重量及大小无损检测方法研究。基于经过背景分割后仅保留菠萝果体表征信息的图片数据,通过椭圆拟合法获取菠萝果体的像素尺寸,包括长径和短径。利用最小二乘法回归得到像素尺寸与实际尺寸之间转换关系式。将所得尺寸信息扩充,使用多元线性回归法构建菠萝重量预测模型。结果表明,模型的决定系数R~2达到0.904,模型相关性显著。最后通过体积-密度公式计算得到菠萝密度为0.9347g/cm~3,通过密度可以估算得到体积。（4）完成了菠萝成熟度分类方法研究。基于菠萝表皮色度信息来确定菠萝的成熟度指数。首先经语义分割后得到菠萝果体的最小感兴趣区域。然后采用基于HSV颜色空间下的色度阈值对菠萝成熟度指数进行分析,通过确定不同成熟度指数菠萝所处的阈值进行分类。结果表明,此方法具有较好的可靠性,分类准确率达到91.5%,能够有效对菠萝成熟度进行区分。