目前,我国大米品质的多数外观指标的检测仅停留在肉眼观测阶段,缺乏客观性和可重复性,致使垩白率、碎米率高,含有未熟粒、病斑粒和霉变粒的大米流向市场。这样一来不仅严重地损害了消费者的健康和权益,同时降低了我国大米在国际市场上的竞争力。针对这一问题,本研究选取了长江米、圆江米和粳米三种常见的大米,应用计算机视觉技术研发了一套基于Matlab 的大米外观品质检测系统,系统采用可视化界面,具备人机交互功能,对反映大米外观品质的垩白度、黄粒米等性状参数进行了识别。主要研究内容如下:　1.　通过分析连接籽粒的曲率特征,提出了一种连接籽粒的分割方法,该方法不仅适用于分割大米籽粒,而且适用于分割一切连接的凸形轮廓图像;　2.　通过分析大米垩白特征,提出了一种垩白检测算法,检测出大米图像中的垩白区域、垩白米粒,并计算出图像中的垩白度等参数;　3.　通过对比正常米粒与黄粒米的色度特征,根据HSI 颜色模型,提出一种识别黄粒米的方法;　4.　计算了大米籽粒较为关键的8 个形态参数:质心、面积、周长、圆形度、长轴和短轴、色度与饱和度,实验证明依据这些参数可以有效地识别研究所选用的三个大米品种;　5.　通过研究大米的粒形特征,提出了基于BP 网络的大米分类算法。通过对比试验,结构为7-7-3 的网络识别结果较好。三个大米品种的识别准确率均达95%;　6.　基于Matlab6.5 开发了一套大米外观品质的计算机视觉检测软件。该软件界面友好,功能较强,操作简便,可实现大米图像的预处理、连接分割、垩白检测、黄粒米检测以及大米品种的识别。　研究结果表明,该系统实现了对大米形态快速、有效地识别,在大米外观品质的自动无损检测上具有可行性。