柑桔是我国主要的水果农产品之一,有着产量高、易种植、经济效益好等特点；但是在我国,经过采后处理的柑桔只占柑桔总产量的1%。相比之下,发达国家水果农产品的采后检测数量可以占到总产量的90%。这是因为,与发达国家相比,我国农业经济基础薄弱、农民收入很低；广大农户即无法负担农产品分级设备的价格高昂,也不具备操作这些设备的知识。造成结果是,我国柑桔出口量仅占全世界柑桔出口总量中极少一部分,我国柑桔出口价格不到世界均价的一半。因此,研究检测速度快、正确率高、易操作可推广性强的柑桔品质检测方法已是十分紧迫。本文基于多尺度技术和机器学习结合柑桔图像特征和红外光谱特征进行柑桔外在品质检测。本论文主要研究内如如下：(1)柑桔图像预处理。为保证后续柑桔图像分割和边缘检测的准确性,在分割和边缘检测之前非常有必要去除柑桔图像中的噪声的干扰。结合柑桔图像中噪声的特点,本文使用第二代曲波(Curvelet)变换对采集到的柑桔图像进行分解,对其中的高频成分采用方形邻域阈值方法去噪。实验结果表明,本文提出的去噪方法能够有效去除柑桔图像中的噪声,性能优于传统的小波去噪法和自适应阈值去噪方法。(2)柑桔图像分割。本文采用差分演化算法结合最大类间方差法对经过去噪预处理的柑桔图像进行分割,为了弥补单独采用分割方法可能导致的边缘断裂或者关键信息丢失的问题,我们采用改进的Canny算子对柑桔图像进行边缘检测。然后将分割图像和边缘图像进行“或”运算,以获得最终的分割图像。(3)柑桔外观品质检测。将柑桔图像进行分割和边缘检测之后,基于图像特征我们可以计算柑桔大小、形状和表面损伤程度等情况。对于一些图像不明显的柑桔外观品质判定,我们借助于柑桔表皮的傅立叶红外光谱结合支持向量机和连续小波变换来判定其外观品质情况。对柑桔的傅立叶红外光谱进行一维连续小波变换,然后选取若干关键尺度提取其光谱的代表性特征,将提取的这些特征作为支持向量机的输入,用支持向量机作为优质柑桔和腐烂柑桔的分类器。试验中选取优质柑桔和腐烂柑桔各80个,其中60组作为训练样本,20组作为测试样本。实验结果表明所提取的方法能够对鉴别优质柑桔和腐烂柑桔有很高的准确率。