目前回转寿司餐厅的寿司自动化识别研究还属于空白领域。使用RFID标签进行识别只能识别出盘子种类，而不能识别出具体的寿司种类。据回转寿司经营者反映，实际的寿司经营中，存在两个实际的难题:第一是寿司可能在传送带上持续时间太长，以致某些不新鲜的食品售出，影响餐厅的品质和口碑。第二是无法对顾客的实际需求做动态的调整，寿司每天都会有剩余的情况，造成浪费。寿司自动识别算法能够帮助餐厅经营者对线上寿司数量作出准确的实时统计，了解客户实时的需求并作出及时的调整，避免最后剩下过多的寿司造成浪费；也可以避免寿司在传送带上的持续时间过长，口感和新鲜度下降。有助于提高餐厅的经济效益和加强寿司的品质控制。本课题针对寿司图像摆放位置随机和环境光照变化较大的具体特点，设计相应实验对寿司图像的自动识别算法做了分析研究。第一部分对寿司图像进行颜色特征的提取的研究，针对寿司在盘子中的摆放的方向随机的特点，有针对性的提取了HSV色彩空间下提取颜色矩、HSV全局颜色直方图、HSV分块累加颜色直方图三类特征，并且对HSV分块累加颜色直方图做了改进，使该方法对寿司识别的准确率有了一定提升。第二部分作为对颜色特征的补充，提高算法对光照变化的鲁棒性，对寿司灰度图像提取了多尺度的灰度共生矩阵、LBP、LBPC、LBPV几种纹理特征，并对纹理特征和颜色相互补充的作用做了实验说明。第三部分本文先是对之前提到的算法做了实验验证，然后对特征融合权值和图像尺寸做了进行了参数调整，实验最后使用最小距离分类器、KNN分类器和支持向量机集中分类方法做了对比实验，并给出了一种具有较高识别率的识别方案和最佳的参数。实验证明，本文给出的分类方法能够较好完成寿司的分类任务，识别精度超过了项目要求的90%。