食品流通状况关系到国计民生,是我国经济的一个关键组成部分,但是作为其重要组成部分的蔬菜流通,它的分拣还存在人工多、效率低和自动化程度低的问题。将基于机器视觉的自动分拣方法应用到蔬菜物流分拣中,可以很好地解决上述问题,其中最关键的技术就是基于机器视觉的蔬菜分类识别算法。本文的主要工作是在采集图像构建蔬菜图像集基础上,研究蔬菜自动分拣中的识别算法,并从图像预处理、特征提取和分类识别三个方面展开深入研究。(1)采集图像样本。采用微单相机采集蔬菜图像并构建了两个图像集,分别命名为图像集1和图像集2。图像集1是在国内消费最多的蔬菜,分别是黄瓜、马铃薯、番茄、白萝卜以及小白菜;另一类图像集基于马铃薯的品质将其分为发芽、青皮、破损和完好等四种类型。(2)在对图像进行尺寸变化、平滑滤波的基础上,针对所采集的图像存在深色背景以及划痕等前景和背景具有明显对比度的情况,提出采取一种基于HSV的彩色图像分割方法,主要方法是颜色通道分离、阈值分割和图像相加等。(3)针对完整局部二值模式提取的纹理特征的光照不变性、噪声鲁棒性差的问题,提出了基于自适应阈值的带方向的完整局部二值模式(adaptation threshold complete local binary pattern with direction,DAT-CLBP)。根据判别条件,在自适应邻域中获取自适应邻域像素中值和中心像素值中选取一种作为LBP编码时的阈值;然后计算邻域像素和阈值的差分的幅值,并以幅值最小点为起点,从小到大的计算局部邻域的二值模式;在常用纹理库上运行算法,统计两种阈值的发生率,证明了采取自适应阈值的必要性。以纹理库上添加了不同程度的椒盐噪声的纹理图像为样本实验,结果表明算法具有旋转和光照不变性,同时也对椒盐噪声具有鲁棒性,相比同类算法能更好的描述纹理。(4)提出一种改进的基于分类准确率的加权特征融合方法,所采用的特征描述子是基于准确率融合DAT-CLBP和颜色直方图所得的联合特征向量,采用的分类器是基于径向基核函数,参数为c=10,σ=5的支持向量机。在自建图像集上对此方法进行实验验证,并与单一特征向量、串联融合特征和等权重融合特征方法进行对比实验,该方法具有更高稳定性和识别率。