鸡蛋是人们日常生活重要的动物性营养食品之一,鸡蛋品质直接关系到蛋产品的等级、市场竞争力及经济效益,检测与分级也是增加其出口贸易额的重要环节。针对人工检测鸡蛋品质易受人为因素干扰,检测速度慢,效率低等缺点,本文对利用图像处理技术和改进模糊C均值聚类算法检测鸡蛋外观品质的方法进行了研究。采集鸡蛋图像并对其作预处理后,利用矩技术提取出图像中像素和、纵径、最大横径、上下横径等特征参数,电子天平称重,建立蛋重检测回归模型,发现蛋重与鸡蛋图像像素和与最大横径显著相关,相关系数为0.892;得出蛋重试验样本真实值与检测值的直线拟合与指数拟合方程,拟合精度分别达到了0.9736与0.9738。针对传统模糊C均值聚类分析时的缺陷,提出了一种基于数据点特征加权的改进FCM算法(WFCM)。将其应用于鸡蛋图像像素和与最大横径的蛋重分级,实验证明算法具有较好的聚类效果,对过重蛋、正常蛋和过轻蛋的分类准确率分别达到了88 .89%、100 %和90 .00%。将空间邻域信息融入到传统FCM算法中,利用改进加权FCM算法对二维直方图灰度像素分布进行聚类,按照隶属度的大小将样本归类并实现了图像分割,对裂纹蛋、正常蛋和脏斑蛋的分类正确率分别达到了91 .18%、92 .31%和100 %。