机器视觉检测技术有着无损、高效等特性,在生物质识别、工业设计、医药工程等行业都有很大的应用发展潜力。随着科学技术的进步,对机器视觉生物质检测技术的测量准确度、测量精度及稳定性等性能要求也日益提高。因此,如何提高机器视觉生物质检测技术的测量性能以不断满足生物质检测行业的需求已成为当前迫切需要解决的问题。本文研究以提高生物质形态检测系统性能为目标,在对机器视觉生物质检测技术、融合机器视觉和CAN总线的检测技术的研究现状进行分析的基础上,实现测量系统性能的改进。融合机器视觉和CAN总线的红外传感器机构用于对传送带上的单颗生物质种粒(玉米)图像进行实时拍摄。测量系统玉米种粒图片的准确性对系统测量准确度至关重要。论文研究了传统的小型生物质种粒检测系统,发现存在一个严重影响系统图片获取准确性的问题:传感器实时获取种粒通过信号时,信号难免会出错,导致图像不能实时获取,影响整个系统的效率。针对这个问题,论文提出了融合机器视觉和CAN总线的设计方式,它在传统方案的基础上,以CAN总线的仲裁技术为基础做出优化改进。采用触发抓拍的方式,通过CAN总线传送传感器信号,确保传感器的信号不会被错误处理的同时,也能使信号准确的传输到计算机,从而控制相机实时获取图片。其图像实时拍摄成功率为86.6%。基于区域生长追踪的多玉米种粒边界线提取算法。传统的跟踪算法只能对图像中的单个目标进行获取,对于庞大数量的玉米种粒,效率低。对此,对比研究了现有的图像处理方法,提出了一种基于区域生长追踪的多玉米种粒边界线提取方法。实验证明该方法在有效减小图像噪声的同时,也能同时在单张图像上跟踪、计数和标记数个玉米种粒的边界。基于复合几何特征的玉米种粒形态分级算法。为了对生物质种粒(玉米)的形态进行区分,需研究能有效提高玉米粒形态分级的方法。对此,提出了一种基于复合几何特征的生物质种粒(玉米)形态分级算法。根据玉米种粒形态品质特征中种粒面积、周长、复杂度3个重要指标,将玉米种粒分为正常与受损两类。计算玉米种粒3个特征参数并建立种粒特征参数合格区间,从而对玉米种粒形态进行分级。以扬农15-1玉米种粒验证算法,结果显示:完整玉米、受损玉米的判别精度依次为93%、95%。通过开发平台VS2008设计了融合机器视觉和CAN总线的红外传感器机构界面、玉米种粒自动检测界面、以及融合步进电机和CAN总线的剔除机构界面。系统可以实时获取玉米种粒图像,对图像进行识别分级,并进行剔除,为批量分级玉米种粒奠定了技术基础。同时,系统对诸如花生、水稻、大豆等生物质种粒的机器视觉检测也有一定的借鉴意义。