果蔬分级是采后加工的重要环节之一，但在目前的工业分级检测中，主要是依靠人工视觉进行，而人工检测不仅工作效率低，而且存在许多主观因素，直接影响产品分级效果及生产成本。　　 利用机器视觉技术对水果进行分级具有无损水果、分级精度高、速度快等优点。针对人工检测所存在的问题，本文以番茄分级为目标，进行了基于机器视觉技术的番茄自动分级检测研究。　　 本论文采用机器视觉与数字图像处理技术，对番茄进行大小、形状、成熟度、损伤进行分类，通过综合比较各特征分级的算法，得出利于番茄实时分级的综合算法，在实验环境下，能对番茄进行良好分级。　　 为提高图像采集质量，对采样背景，实验光源选择进行了研究，实验表明黑色背景以及环形光源有助于目标与背景的分离；为去除背景干扰，采用数学形态学中的开运算，弥补采集图像中背景的固有空洞；为去除噪声，采用超快中值滤波方法实现图片的快速滤波去噪；同时对图像进行了缩放以及定位处理，有利于分级实时处理，从而满足食品安全的要求。　　 而对于番茄外形、大小描述方面，用等效直径代替判断番茄大小，通过实验把傅里叶描述子法与圆形度法等算法进行对比，得到圆形度法能实现番茄果形的快速分类，获得实时性和处理效果之间最佳的处理方式。对于番茄成熟度分级，采用更符合人视觉特点的HSI模型结合BP神经网络算法，对番茄成熟度的9个特征量进行分类，准确率达到90.9％，同时，对自然成熟番茄与人工催熟番茄进行了简单内剖研究。最后运用SUSAN算子结合数学闭运算对番茄进行损伤检测。