我国是一个农业大国,而我国的人均耕地面积却远远低于世界平均水平,农业生产及后续加工的劳动生产率很低。农产品品质检测是保证农产品质量和农产品安全的关键环节,而品质的检测和控制往往是基于成分分析之上。但是,无论是化学分析还是仪器分析,其试样的前处理、实验本身的耗时性又是许多场合所不允许的。进行农产品自动检测可以大大提高劳动生产率。农产品检测中最重要的是进行表面缺陷的检测,而利用机器视觉技术代替人的视觉进行农产品检测具有不言而喻的优越性。论文针对粮食加工厂的实际需要,基于MATLAB软件平台,构建了基于计算机视觉的稻谷品质识别系统;首先选择稻谷图像预处理算法,然后提取稻谷图像的颜色特征,最后利用提取的稻谷图像颜色特征,分别使用线性判别函数和神经网络的方法对稻谷图像分类,并提出了按多数票表决的方法判定最终结果。论文的主要工作如下:①研究了稻谷图像特征的提取方法。根据稻谷图像的特点,提出稻谷图像的识别应基于其颜色特征。②对图像变换、图像增强等一系列图像预处理算法进行分析,设计了稻谷图像预处理方案。在此基础上,首先把稻谷图像的颜色空间转换到HSI颜色空间,得到其H分量的色度直方图,然后分别用直方图统计特征、主成份分析法和遗传算法进行特征提取。其中提出了一种改进的类内类间准则来确定遗传算法适应度函数。③对提取出的稻谷特征,分别用线性判别函数和BP神经网络的方法进行分类识别。④对实验结果进行了讨论分析,并提出了按多数票表决的方法判定最终结果,实验表明这种方法能够提高分类准确率,最后对下一步的工作作出了展望。