柑橘分级一直是我国水果产业上的一个薄弱地带,对柑橘在市场上的销售和品牌的培养有着直接的影响。柑橘类水果在我国水果产量当中占有较大的比重,而且也是我国外贸果品中非常重要的一种。从事人工分级的劳动者由于容易受到其他因素的干扰,如长时间工作具有的疲劳性等,效率并不高,而且由于人的操作误差,准确性也得不到保障。本文以计算机视觉技术为基础,综合运用图像处理、模式识别、软件工程等相关技术研究了柑橘的自动分级方法。本论文选用产量最大的温州蜜柑作为研究对象,做了大量的研究工作。首先根据本论文的研究特点,设计了一套非实时、特点环境下的图像采集系统,根据论文的需求,采集各类蜜柑图像样本132幅。然后做的一个重点研究内容就是分析和研究样本图像的预处理方法。将采集到的图像转换颜色空间模型,改进图像增强算法,对图像进行了图像滤波、平滑处理,以消除噪声。同时对图像进行边缘检测和提特征提取,去除背景。在对图像进行大量处理研究的基础上,分析并提取自动分级的依据特征。根据国家相关标准进行选择,依据蜜柑的几何形状、大小、颜色、果斑及疤痕、提取出特征值,同时对各个特征进行归一化处理。同时,对于国家在柑橘感官方面的标准没有统一分类,不利于统一标识和评判的情况,在结合自动分级的特点和需求,对柑橘感官标准进行了仔细分析,对国家标准进行综合整理分类,适当延伸,以适用以适用感官的综合评判和自动分级。研究基于向量机的分类识别方法,对线性最优分类超平面进行改进,设计分类器,建立蜜柑自动分级模型。主要创新点：1、在去除背景时,通过将图像变换到基于人眼视觉特性的HSI空间中进行全局阀值分割,效果要比传统的分割方法要好。2、在支持向量机分类算法中,在解决线性不可分的情况时,通过构造变量并引入拉格朗日系数的办法,避免按照传统的引入核函数来解决的方法,大大降低了复杂性,同时结合一对一有限责任的思想,设计了针对类别较少时的分类器,避免出现不可分的情况。