农产品检测技术一直以来都是农业领域研究的热点问题，随着社会的不断进步，科技水平不断的提高，计算机水平高速发展，农产品检测技术方面在机器视觉上的应用愈来愈多，有着巨大的发展空间和发展前景。在国外，针对农产品的检测技术研究已经展开多年，有着丰富的理论基础和实际经验；而在国内，相关的检测技术才刚刚起步，与国外还有很大差距。在辣椒品质检测方面，国内外研究尚少，本文根据辣椒的形状和颜色特征，从实际出发，提出了针对辣椒的预处理算法、辣椒分割算法、辣椒特征量计算以及辣椒识别算法等，为以后进一步研究辣椒奠定了坚实的基础。本文的研究主要完成的工作有以下几项：1.图像采集。本文图像的采集分为实验室暗箱环境和复杂环境两种方式，主要研究的是实验室暗箱环境下的辣椒图像，所以实验室环境下采集品质较好的辣椒图像是实验是否成功的关键。本文在实验室暗箱环境下，采用单一色彩为背景，去除了复杂环境的干扰，使采集的图片具有较高的质量，本文共采集辣椒样本图像100幅，5类辣椒切片图像各40幅。2.提出关于辣椒的预处理算法、图像分割方法、轮廓提取以及辣椒大小检测算法等。由于辣椒特殊的颜色特征，本文的辣椒图像的预处理算法以颜色为阈值，处理过后的辣椒图像背景单一，十分有利于辣椒与背景的分离。通过分割算法得到辣椒后，对辣椒的轮廓进行提取，为辣椒大小等特征值的计算做准备。3.霍夫森林分类器的应用。本文采用了霍夫森林分类器来识别辣椒对象，通过对样本辣椒的学习，建立对应的随机树，通过待检测图像的图像块向辣椒可能出现的位置做概率投票，进而得到一个投票结果，根据结果生成霍夫图像，得到辣椒的位置。4.辣椒色彩的定性分析。由于颜色组成比较明显，主要以红色为主体，病斑多为暗黄色，黄色分量的多少即可判断辣椒的好坏。由于时间有限，本文并没有对辣椒的颜色取值范围进行定量统计。5.去除辣椒柄对辣椒大小的干扰，同时对于辣椒重叠的图像本次设计暂时不考虑。本文研究对象—辣椒，是一类附带柄的农作物，在计算大小的过程中柄的存在对结果影响很大，本文设计了一种算法去除了辣椒柄，使计算更加精确。本文研究并不只是对单一辣椒进行的研究，也可以同时对多个辣椒进行大小采集，但是经常出现辣椒重叠的情形。由于时间有限，本文并未对重叠辣椒的文体给出合理的算法，在本次研究中暂不考虑。通过本文的研究，我们得到了一种适合有一定弯曲度、带柄或梗类的农作物的研究方法，对未来农作物的进一步研究有很大的意义。同时，由于研究的时间有限，本文还有很多没有解决的文体和算法上的不足，亟待未来相关的研究进行解决。