玉米品质的高低直接影响玉米的产量、利用率与经济效益。目前采用机器视觉技术进行玉米品质的检测主要集中在玉米籽粒的检测分析上,对玉米果穗检测分析的相关研究还很少。但是籽粒不能反映果穗的大小、形状等遗传性状,因此,本文将采用机器视觉技术进行玉米果穗品质检测方法的研究。本文通过分析玉米果穗表面的颜色特征及其光学特性,搭建了基于机器视觉的玉米果穗图像采集系统。在对玉米果穗彩色图像研究的基础上,设计出高效的图像预处理方案,包括HSV颜色模型选取与转换、中值平滑滤波、改进的最大熵(entropy)阈值分割法以及形态学处理等。针对有多个玉米果穗的图像,通过边界跟踪法提取果穗轮廓以进行果穗的标记与定位。经过分析玉米果穗的外观特征,本文提出了采用大小、形状、颜色和纹理四大特征组合的方法识别检测玉米果穗品质。为提取描述玉米果穗四大特征的特征参数,本文提出采用果穗最小外接矩形的长和长宽比分别描述大小和形状特征;同时提出使用H分量的均值和标准差描述果穗的颜色特征,并使用V分量的均值和标准差描述果穗的纹理特征。为验证大小和形状参数的准确性,对提取的特征参数与实际人工测量数据进行相关性及相对误差分析。在品质识别方面,建立了玉米果穗特征库,采用统计模式识别法分析特征库中的数据,并确定每个特征参数的识别区间。最后,通过判断特征数据是否在其识别区间内实现正常玉米果穗的识别,达到剔除异常玉米果穗的目的。结合OpenCV强大的图像处理功能和Visual Studio的MFC图形界面,本文设计开发了玉米果穗品质检测软件系统,并验证了该系统的准确性和检测速率。结果表明当果穗数量为200个时,准确率达到96.5%,平均每个果穗检测时间为0.1秒。因此,本文提出的机器视觉玉米果穗品质检测方法能够实现对玉米果穗高效、准确的无损检测与识别,具有较强的现实意义与使用价值。