研究水果品质快速无损检测技术，对于提高水果质量和生产效率、降低劳动强度有着重要价值。本文以芒果为研究对象，利用计算机视觉技术及神经网络技术对芒果分类的方法与表面的常见缺陷进行了研究。研究了芒果大小、颜色、缺陷和小波特征，采用BP神经网络技术实现芒果等级分类。主要研究内容和研究结果如下： 由于芒果表面比较光滑，反光性较好，故选用黑色吸光物体作为背景。这样有利于后续图像的处理。在此基础上，研究了图像处理窗口的确定、图像滤波、图像增强、图像边缘检测、图像分割等多种图像预处理的方法。兼顾速度和效果，采用超快速中值滤波法去除图像采集过程中受到的各种噪声的干扰。采用灰度线性变换进行图像增强。采用小波变换的方法进行芒果图像边缘检测。因为缺陷部分的亮度介于黑色背景与光滑的芒果表面之间，采用最大方差法进行芒果图像与背景分割。 在研究芒果形状、颜色、缺陷和小波特点的基础上，选择了横径(W)，芒果颜色(H分量值)(C)，果形指数(E)，缺陷面积所占百分比(P)，芒果的小波特征参数(Ca1，Ch1，Cv1，Cd1)作为芒果的形状特征、颜色特征、缺陷特征，小波特征，对这些特征进行了定性分析，研究了这些特征对芒果分类的影响。 介绍了神经网络用于模式识别的优点，对比了前向网络、反馈网络和自组织网络的优缺点，选取结构简单、工作状态稳定、易于实现和通用性强BP网络的作为芒果品质鉴定模型。通过试验表明此网络分级效果较好。其分级准确率平均可达87％。并用MATLAB初步开发了一套芒果品质的计算机视觉分级软件。该软件界面友好，功能较强，操作简便，可实现芒果图像的预处理、特征提取及芒果的分级。 本研究对于我国开展基于计算机视觉技术的芒果分级系统的产品开发，具有一定的参考价值，对推广和应用芒果等级分类标准，提高芒果分级水平具有重要的经济意义，将为进行芒果的等级分类探索理论依据和提供技术支持，从而对促进我国芒果的商品化和经济发展具有重要意义，对促进计算机视觉在我国农业工程领域的应用具有积极的意义。