近年来机器视觉技术以其速度快、信息量大、功能多等特点在农产品品质检测中得到了广泛应用，极大地提高了农产品的品质检测精度和效率，成为农产品自动化检测与分选技术的研究热点。本文对基于机器视觉技术的水果表面缺陷检测与识别方法进行研究，将日常水果进行图像采集后通过大量实验，确定图像的预处理和分割方法，最终提取水果表面缺陷的颜色、灰度、纹理和几何等多种特征的多项信息，基于BP神经网络对缺陷种类进行识别。论文主要研究内容有：1.以常见水果柑橘(纯色果)、砀山梨(斑点果)为研究对象，分析了水果缺陷检测的机器视觉系统设计要求，完成了机器视觉系统硬件(光照箱、摄像机、镜头、计算机、传送带以及机械手)的选择和搭建。2.根据实验环境、设备和后期处理需求的不同，研究了适合本课题的水果图像预图像处理操作的预处理方法，包括空间域的图像增强、频域的图像增强、图像的灰度和彩色间的转换以及形态学操作等。3.研究了水果表面缺陷的特征提取方法。对于水果边缘以及的斑点果斑点的误判，分别采用图像合成(即去边缘)操作和形态学膨胀(去斑点)处理，从而完成水果表面缺陷的提取。然后将缺陷图像、以及将其灰度化和二值化处理的图像保存。提取的缺陷图像的特征值包括颜色、灰度、纹理、几何等。4.研究了基于BP神经网络的缺陷种类识别方法，设计了12-10-6BP网络结构。将缺陷面积占果面总面积的比例、缺陷的平均灰度、纹理特征值作为神经网络的输入，输出为六种缺陷类型的纯色果或斑点果。通过训练和测试，网络可以完成缺陷识别。进而实现基于缺陷的水果分级。5.设计开发了水果表面缺陷识别的视觉系统软件，方便实用。