脐橙是我国大面积种植的水果之一,产量处于世界前列。目前,我国的脐橙种植者大部分是个体农户,使用大型的分级设备对于个体农户来说较不现实,脐橙采摘后的品质分级工作仍依靠人工完成,这不仅增加了人力成本,还导致分级后的脐橙品质参差不齐,影响市场竞争力。根据农业现代化的发展趋势,农产品品质的自动分级是目前需要研究的重点内容。本文应用机器视觉技术,研究基于嵌入式系统的小型化脐橙品质自动分级方法,研究内容主要包括以下几个方面:（1）搭建基于树莓派和机器视觉的脐橙品质分级实验平台。（2）提出基于决策树的脐橙品质分级方法。①.提出一种基于V分量的快速自适应脐橙图像分割预处理方法;针对球形水果在光照反射时的果面亮度不均匀问题,提出基于掩模的果面亮度校正方法。②.使用椭圆拟合法提取脐橙的果径特征;通过H分量计算脐橙的着色度以及颜色平滑度特征。③.提出一种基于积分图的局部自适应快速分割新方法,并通过图像比例方法识别果梗区域,通过计算缺陷检测后掩模区域的圆形度和面积特征识别果脐区域,去除果梗与果脐区域后得到缺陷部分的掩模图像,计算出缺陷率特征。④.根据提取的特征参数,通过决策树方法对脐橙品质进行分级,该方法可以直接部署在树莓派平台中。（3）提出基于卷积神经网络的脐橙品质分级方法。①.在MobileNetV2轻量级网络的倒残差模块中引入SeNet网络中的特征重构模块;提出最大池化与平均池化相结合的方式替代原网络的池化方式。②.对原网络的结构进行简化以减少网络模型的计算量。③.通过TensorFlow Lite实现了网络模型在树莓派上的轻量化部署。（4）对脐橙分拣机构进行构想并给出相应的示意图;利用PyQt框架中的通讯协议,实现树莓派与STM32单片机间的通讯,并设计了相应的伺服电机控制方案以实现对单果排序、输送以及分拣机构的控制;基于PyQt框架设计了脐橙品质分级系统界面,对在线分级的结果进行监控。（5）在树莓派平台上对脐橙品质分级方法进行实验,结果表明:基于决策树的分级方法分级精度为94%,处理单个脐橙所需时间为252ms;基于卷积神经网络的分级方法分级精度为96%,处理单个脐橙所需时间为226ms。这两种方法的准确性和实时性均可以满足实际分级的要求。