我国是一个柑橘出产大国,柑橘分选的速度与精确度直接影响到我国柑橘在国际市场上的竞争力。目前,我国柑橘分选还主要依靠人工完成,该方法不仅消耗了大量劳动力资源,而且分级精度不高、分级效率低。利用计算机视觉对水果进行分选是提高分选速度与精度的必然选择。基于计算机视觉的柑橘分选方法具有智能化程度高、分级精度高、速度快、成本低等优点,但其存在的主要问题是算法复杂、运算量大。本文主要研究包括颜色模型、图像滤波、图像分割、图像边界提取、最大和最小直径检测、图像缺陷检测以及系统的软硬件组成在内的整个柑橘分选系统。为了减少系统数据传输量,本系统使用YUV颜色模型；针对在极为复杂的背景下,一般分割算法不能快速并准确地将图像前景色与背景色分割开来的问题,本文提出了使用多个颜色通道的组合来分割图像的方法,提高了图像前景色与背景色准确分割速度。在图像预处理方面,为了减少运算量,缩短算法运行时间,本文在对各种方法进行分析后,使用计算量较小的快速中值滤波方法对图像进行滤波,并使用基于线段的边界提出方法来提取图像边界。针对原有的水果直径检测算法计算量过大以及计算精度不高的问题,本文提出了一种新的基于图像分割的直径检测方法,该方法能够在较短的时间内较为精确的检测出柑橘的直径。为了解决传统的缺陷检测算法运量大,运行时间长的问题,本文提出了阈值分割与区域增长相结合的缺陷检测方法,该方法能够快速、全面的将柑橘缺陷识别出来。本系统的软件部分在window XP系统上的VC++6.0中得到了实现,硬件部分也已搭建完成并已应用于实际工业生产中。实践证明,该系统能够快速、精确的对柑橘进行分级,系统性能达到了预期的设计目标。