我国作为一个水果大国,每年产出水果的数量一直位居世界前列。水果销售前的一个很重要的环节便是水果分级处理。如果将采摘的水果进行分级处理,可以很好的提升水果的价值。但我国在水果自动分级领域不如国外先进水平。国内在水果分级方面采用的方式多为人工分级和机械分级,这两种分级方式存在着很多不足:分级效率偏低、容易造成水果损伤、分级标准不统一等。故本文选用我国水果产量第一的苹果作为分级目标,利用机器视觉技术对苹果颜色维度、大小维度及缺陷维度的分级检测算法进行研究,并对算法进行仿真及验证。本文首先建立了图像采集系统,并对苹果图像进行预处理操作,包括图像灰度化、图像降噪、图像分割及形态学处理等。然后进行苹果大小及颜色方面特征的提取工作,并完成相关分级数据的统计。在苹果颜色方面,将RGB彩色空间模型转换成HSI模型,通过计算苹果红色着色率的方法进行其表面颜色等级的划分;在苹果大小特征提取方面,采用最小外接圆法进行苹果直径的计算。接着利用外部特征及支持向量机对苹果缺陷进行识别,先是利用图像分割算法对图像进行阈值分割,利用闭运算、边缘提取及减运算获取苹果花萼、果梗或缺陷的外部轮廓,再进行孔洞填充和连通区域分离,最后对感兴趣区域进行分割。利用颜色特征、纹理特征和几何特征,提取13个特征值后,利用支持向量机进行识别,准确率最高为91.32%,实现苹果缺陷维度的分级。最后在苹果缺陷中引入卷积神经网络算法,设计8层卷积神经网络,利用苹果缺陷进行识别,准确率可达96.89%,与人工分级的结果差异小,符合分级要求,并利用全新样本集对SVM与CNN算法对比,CNN优于SVM算法,且CNN无需提取外部特征。