当今时代,人们生活水平日益提高,对优质的农作物,尤其是对优质蛋白玉米的需求不断增加,这对育种人员培育新的玉米品种以及筛选优质的玉米品种提出了更高的要求,传统的玉米检测方法已经不能满足高效率的需求。随着机器视觉以及深度学习的发展,该技术已经被广泛的应用在了农业等各个方面,取得了较为理想的结果。本文通过机器视觉和数字图像处理以及深度学习等技术,对玉米籽粒的多种外形参数以及品种的分类进行了研究。由于玉米籽粒的部分外形参数可以通过视觉的处理方式进行获取,故本文采用机器视觉等方法计算得出玉米籽粒的部分外形参数。对于玉米籽粒的分类研究,由于仅通过传统的机器视觉方式较难获得理想的结果,故本文采用深度学习等技术对玉米籽粒的分类问题进行研究。本论文的主要研究内容如下:1.搭建了机器视觉硬件系统,包括工业相机,镜头,光源和框架,用于提取玉米粒形状参数。该系统结构简单,易于搭建,后期维护成本低。2.通过灰度处理、空间滤波、图像分割以及形态学处理等方法,对现有图像预处理方案进行了简化,大大降低了玉米考种机器识别对硬件的依赖,加快了其处理过程。试验表明,该预处理方案可以较好的满足需求。3.提出玉米籽粒外形参数(面积、周长、形心、长短轴以及最小外接矩形等)的提取方案。根据像素比例方法实现对面积和周长的转换获取;通过像素均值获得形心;测量通过形心任意线段的方式获得长短轴;通过利用长短轴平移方法获得最小外接矩形。同时,对玉米籽粒面积、周长以及长短轴等特征进行了统计分析。4.本文采用深度学习等技术对玉米籽粒进行分类识别,利用多种数据处理形式以及优化算法进行优化,包括数据的增强以及格式转换,Dropout、Adam、Batch normalization等算法,通过这些方式对训练速度进行提升,提高模型的泛化能力。在此基础上,对不同品种的玉米籽粒进行识别,通过迁移学习等方式,对比多种模型测得其准确率均达97%以上。