花椒不仅是一种重要的烹饪调料,还具有广泛的药用价值。本文将机器视觉技术和支持向量机引入到花椒颗粒闭眼率、椒籽率、果穗梗率和果皮率等外观品质评价指标的快速检测中,避免了传统人眼感观检测存在的效率低、准确性差等缺陷。主要研究内容如下：第一,开发了花椒外观品质机器视觉检测硬件系统。通过试验及分析,合理选择图像处理器件,构建花椒外观品质机器视觉检测硬件系统,系统包括微机、CCD摄像机、镜头、光源、电机、托盘、光照箱、图像采集卡、单片机等。第二,研究了基于机器视觉和SVM的花椒外观品质检测算法。花椒外观品质检测算法分为训练建模和预测分类两个部分,而图像处理算法是建模和预测的基础。本课题针对本研究室前期的研究,对花椒外观品质检测图像处理算法进行了优化和改进,解决了需要二次填充才能识别个体的问题；并首次把支持向量机方法引入到花椒固有杂质预测分类中。第三,开发了基于机器视觉和SVM的花椒外观品质检测软件系统。在Visual C++6.0平台完成了花椒外观品质检测软件系统,包括图像采集模块、图像处理模块、特征提取模块、建模和预测模块以及硬件控制模块。第四,花椒外观品质检测试验分析。对收集的141份花椒样品,随机选取100份花椒样品作为建模样品集。分别采集每份样品中果皮、闭眼、椒籽及果穗梗四类个体的图像并提取特征参数值作为训练集,利用LIBSVM软件包训练建立SVM花椒分类模型。将未参与建模的剩下的41份样品作为预测集。采集其图像,并通过图像处理提取个体特征参数,利用已建立的SVM花椒分类模型自动预测得到每个个体的种类,统计出个体总数并计算花椒各项检测指标值。对预测集里的41份花椒样品各项检测指标值进行人眼感官评测,并与机器检测的结果进行对比比较,给出机器的误差及误差率。结果表明：对椒籽、果穗梗识别误差率为9.09%、11.76%,闭眼及果皮识别误差率分别为50%、-4.04%。研究表明,基于机器视觉和SVM的花椒外观品质检测技术是可行的,所开发的基于机器视觉和SVM的花椒外观品质检测硬件与软件系统运行基本正常,检测效果较好,为花椒的收购、储藏、销售提供了快速、准确的外观品质检测新思路,具有较高的理论价值和实用价值。