我国作为柑橘生产大国,在柑橘种植产业中小型化农场及家庭农场还是占大多数,水果分级主要依靠人工检测,分级效率低下。本文以柑橘为样本,设计并开发了一套小型智能化视觉分级系统,用于柑橘的瑕疵检测和尺寸检测,实现柑橘分级的全自动化。主要内容包括柑橘分级装置的机械结构设计,控制系统的设计,视觉检测系统的开发以及样机搭建与系统分级实验,具体的内容如下:首先,制定本设计的柑橘分级标准以及系统设计原则与功能需求,研究总体的设计方案,进行模块化功能设计,设计各模块的机械结构。系统主要包括上料排序模块、输送识别模块和分级卸料模块。机械结构设计主要有上料箱和两个小型输送带的设计,同步带和托盘结构的设计,卸料气缸和水果等级箱的设计以及各模块动力元件的选型。其次,研发柑橘分级装置的控制系统。根据系统功能需求和机械结构设计方案,进行软硬件系统设计。先进行主控制器选型、传感器选型、驱动系统设计、气动系统搭建、图像处理器选型与通讯以及相机和光源的选型。在硬件系统设计之后进行软件系统设计,包括人机交互界面的开发和整体控制程序的编写。最终完成整个控制流程设计。然后,设计基于深度学习的柑橘瑕疵检测和尺寸检测的分级方法。先制作两种视觉检测网络所用数据集,并进行图像预处理。之后使用Res Net50网络训练柑橘瑕疵检测模型,使用Center Net网络训练尺寸检测模型,训练获得瑕疵检测模型准确率为97.65%,尺寸检测模型平均精度为0.99。最后,结合总体的设计内容进行样机搭建与系统分级实验。首先,根据机械结构设计控制系统设计方案搭建样机。之后,调试分级装置,测试系统运行的稳定性。然后进行柑橘检测实验,测试两种检测模型的准确率均在95%以上。最后,进行系统分级实验,测试各模块功能的协调性和系统工作效率。传送装置在6.5～8.0m/min的速度区间内,系统分级效果最好。每个柑橘的检测耗时约1.3s,每分钟能分级45个以上的柑橘。