红枣具有很高的营养价值,种植枣树为偏远地区带来了良好的经济效应。近年来红枣产业发展迅速,已成为许多偏远地区经济的支柱性产业。红枣在进入市场前,对缺陷枣的剔除、品质上的分选以及红枣大小的分级仍以人工方式为主,劳动强度较大,也有部分地区已开始采用机械自动化方式进行红枣的初步分级,由于人工分级与机械分级的分级精度与效率不同,商品化的红枣在品质上参差不齐,直接影响到红枣后续加工。目前深加工红枣产品品种和数量较少,红枣价格和附加值普遍较低。针对红枣分级精度与效率的问题,本课题采用机器视觉融合深度学习技术,对红枣的表面品质进行检测和分级,提高红枣分级效率和商品化附加值,带动红枣产业的快速发展。本课题以干制新疆若羌灰枣为研究对象,通过机器视觉技术对红枣的表型特征和表面缺陷进行检测。本文主要研究内容为:(1)采集红枣样本,对红枣的表型以及几何参数测量。以LY/T 1780-2018《干制红枣质量等级》行业标准为基础,确定了若羌灰枣的品质标准,同时根据若羌灰枣的体型特点,制定了若羌灰枣的大小分级标准。(2)提出了红枣检测分级机的总体设计方案,主要对该设备的上料输送系统、传动系统、视觉检测系统以及电磁铁分级系统进行了研究与分析。通过对分级机各个运动机构的设计与计算,确定了各运动机构的参数,建立了红枣检测分级机的三维模型。(3)提出采用机器视觉融合深度学习技术的方法对红枣表面缺陷进行检测。本文首先采用对传统卷积神经网络结构进行改进的方式,对红枣表面缺陷进行检测。然后对传统深度残差网络的结构和参数改进,将得到的缺陷检测模型与卷积神经网络模型进行对比,建立了基于改进残差网络的红枣表面缺陷检测模型。经试验验证,采用深度残差网络模型时,测试样本中缺陷识别准确率可达到96.11%。(4)提出将红枣外形进行拟椭圆化处理得到椭圆长轴与短轴,结合制定的若羌灰枣分级标准,将长轴代替红枣长度进行红枣大小分级,建立红枣长度与红枣重量间的回归关系,同时计算正常红枣拟椭圆化的面积与红枣轮廓面积之差,确定误差范围,得到畸形果判断与分级的标准。实验结果表明,红枣长度与重量间的相关系数为0.7468,正常红枣轮廓面积与拟椭圆面积之差误差范围不超过27.3mm2。(5)根据实际的生产需要,采用模块化设计方式将分级检测系统功能模块进行划分。通过Qt设计师软件对红枣分级机软件界面进行设计,然后Qt与Spyder软件混合编程实现对软件界面功能的控制。