发展基于计算机视觉的苹果自动分级技术，对提高国际市场上我国苹果的竞争力有着十分重要的意义。目前，在苹果分级中存在分级正确率低等缺点。相关文献指出，在计算机视觉检测农产品质量过程中选用适当颜色的光源，有助于提高检测结果的准确性和可靠性。因此，本文就不同颜色的光源对基于计算机视觉的苹果分级进行了探索研究。主要工作如下：1．研制了可全方位采集苹果图像、且结构简单、操作简便的实验装置，以及LED混光光源。图像采集过程中，通过苹果绕经过球心的竖直中心轴线转动模拟了直线型检测线的功能，同时实现了多种颜色光源下对苹果图像的采集，取得了良好的效果。2．在HSI空间下，通过对比多种图像预处理算法，选用了中点滤波降噪、最大类间方差法对图像分割，并通过图像裁剪与合成减小了重复面积。3．提取了不同颜色光源下苹果图像的形状、红色着色面积、纹理、伤痕4类特征值，分别研究了单类特征和多特征融合的分级模型。4．在对比分析不同特征选择选择方法的基础上，提出了一种融合威尔克斯Λ统计量与主成分分析的特征选择方法，分级结果证明了该方法的有效性。5．比较了不同颜色的光源对特征选择方法的影响。其中，在黄色光源条件下采用威尔克斯Λ统计量与主成分分析相结合的方法效果最好，特征参量个数由32个下降为11个，FDA分级正确率98%，BP神经网络的正确率和预测误差分别为98.3%和0.0023。论文研究结果表明，不同颜色光源对特征提取、特征选择和模式识别过程都有着显著的影响，选用合适的颜色光源与特征能够显著提高分级精度和分级效果。