扇贝是我国贝类养殖主要水产品之一,在上市出售前一般要经过按大小分级的过程。目前对扇贝的分拣主要由人工进行,生产效率较低,劳动强度大,企业迫切需要有更高效的设备实现扇贝产品的自动分拣。本文应用机器视觉的方法,研究视频中的扇贝分级与定位,为扇贝的自动化分拣打下基础,具体研究内容和方法如下:研究了扇贝图像的边缘检测及特征提取方法。以提取扇贝形状特征为任务,依据扇贝图像表面纹理特征,提出应用Canny算子进行图像边缘检测,然后利用形态学处理图像对扇贝边缘进行有效分割,进而对扇贝的几何特征进行提取的方法。实验证明算法可以高效地实现扇贝的多种特征提取。研究了基于模糊识别理论的扇贝识别和分级方法。采取Mamdani模糊推理模型,选取了扇贝目标图像提取的平均半径、圆相似度、像素点数量三个特征作为模糊变量,建立模糊分类器进行识别和分级。实验证明算法不但可以有效地区分扇贝与干扰物,并且能够有效地对扇贝进行分级。研究了视频中扇贝图像的定位和跟踪方法。由于扇贝处于运动状态,如何实时地识别其实际位置是进行抓取的关键。首先对当视频帧中的扇贝进行识别,然后与前一帧图像中的扇贝进行相对位置几何匹配,从而识别当前帧中扇贝的标号,达到定位与跟踪的目的。实验证明算法可有效实现扇贝的定位与跟踪。