在中国新疆地区，哈密大枣为特色水果，要实现绿色食品品牌战略，必须进行检测分级。然而目前对哈密大枣检测方法的分类仍是手工完成，这种方法很容易影响检测结果。工人身体和精神状态的都会影响检测结果，而且存在着漏检率高、效率低等缺点。因此，迫切需要一个自动检测系统，降低哈密大枣分类成本，提高哈密大枣价格。主要利用机器视觉技术解决新疆哈密大枣干制后的自动化检测与分级问题，为实现果品高效快速的分级，保证优质农产品出口和供销。主要完成以下内容：　　（1）哈密大枣无损检测实验台的设计及搭建。为了实现哈密大枣的快速无损分级，该研究使用机器视觉技术对哈密大枣外部品质识别。系统利用图像采集卡与CCD摄像机连接采集数据，构建了基于机器视觉的哈密大枣自动检测硬件系统；　　（2）综合利用VisualBasic6.0设计应用软件的用户界面，利用MIL9.0图像处理库进行图像处理，构成其软件系统。　　（3）利用三菱PLC作为下位机,PC机作为上位机，对其分级执行机构系统进行搭建。通过三菱PLC进行编程控制，实现气吹分级功能。　　（4）采集哈密大枣图像，进行分级前的低层处理及算法研究。用MATLAB对其进行静态处理，确定算法并进行优化；并在MIL9.0图像处理库中找到相应算法，在VB6.0软件下进行编程；图像处理系统中，背景分割阈值选择（0.1,0.7）为哈密大枣。综合运用颜色空间转换，数学形态学消噪等方法，进行图像处理和特征提取，得到哈密大枣投影面积和H分量的均值和方差。　　（5）进行试验，得出相应算法检测准确率。实验结果显示，样本投影面积与质量的相关系数为0.945，样本投影面积与横、纵径的相关系数为0.951。通过BP神经网络方法建立了哈密大枣缺陷检测分级模型，模型的回判率为99.16％，对测试样本缺陷的识别率达到91.43%。平均检测单个枣的时间为80ms，能满足检测系统的实时性要求。通过用机器视觉和物理的方法对哈密大枣的果形分类，利用系统聚类对哈密大枣的聚类识别率能达到83%，这对后面要实现对哈密大枣果形实时快速分类提供了一个理论基础，同时得出的分类方法也可借鉴于其他水果。　　（6）归纳了本文的主要结论和有待于进一步研究的内容。