食品安全是维持人类生存和成长的基本条件和保证。溯源系统是在食品供应整个过程中对食品的各种相关信息进行记录存储的质量保障系统,是实现食品质量安全管理的有效手段。我国相关法律提出建立食品溯源的要求,制定了一些相关的标准,部分省市初步搭建了食品追溯信息系统和网络交换平台。溯源秤是整个系统的数据采集终端,实现了食品信息录入、传递等功能。然而,相比于普通秤,溯源秤操作繁琐,商户不愿意使用,使得管理者无法获得真实有效的数据,溯源功能无法实现。本文针对这一实际需求,重点研究蔬菜识别算法,实现蔬菜种类的自动识别,以完善溯源秤的功能。主要研究工作如下：第一,采用碎叶蔬菜和非碎叶蔬菜的分类标准,在春、秋季节下午5：00室外光照条件下,构建一个包括34种蔬菜,每种蔬菜40张,共1360张图像的蔬菜图片库。第二,图像分割,比较了多种分割算法在RGB、Lab、HSV颜色空间中的蔬菜图像分割效果,结果得出K均值聚类分割在HSV颜色空间下能够有效地将蔬菜与背景分离出来。第三,特征提取,可区分蔬菜类型的主要特征包括颜色、形状和纹理等,本文重点比较了全局颜色直方图等颜色特征,圆形度以及完全局部二值化模式等特征对于蔬菜的区分度。全局颜色直方图用来描述颜色特征、圆形度用来描述形状特征而完全局部二值化模式用来描述纹理特征,可以较好地体现颜色相近而形状不同,以及颜色相近而纹理不同蔬菜间的差异,为模式分类奠定了基础。第四,蔬菜识别。研究最小近邻、线性判断分析等分类器以及基于支持向量机(SVM)的两级分类器,第一级以颜色特征来识别,二级分类以纹理特征、形状特征来识别,以提高两个子类的正确识别率。结果中SVM+GCH、SVM+CLBP/SVM+圆形度组合的一二级分类识别率最高,达到97.94%。综上,本研究提出了一种有效的蔬菜自动识别算法,可用于溯源秤的功能完善,简化溯源秤的使用,提高溯源系统的数据真实性,为溯源系统有效发挥食品安全管理效能提供保障。