大米是我国重要食粮之一。大米在储藏过程中，品质容易受到各种因素的影响，由于虫蚀会造成大米的损失，虫蚀后遗留物也会污染大米。因此虫蚀粒是大米的重要质量指标。传统虫蚀粒的检测是靠肉眼观察，具有主观性，检测效率低。基于图像处理的大米虫蚀粒检测技术具有速度快、能大批量同时检测等优点，应用前景广阔。本论文提出了一种基于图像处理的大米虫蚀粒识别新方法，通过求取图像边界坐标点值，以不同步长求这些点组成的向量角度值，计算其统计值作为特征参数，输入分类器，实现虫蚀粒的识别。检测时，首先，对采集到的大米虫蚀粒图像进行个体提取，使用多种传统阈值计算方法对大米虫蚀粒图像进行阈值分割，通过对比分析得到最适合的二值化方法；采用形态学方法对二值化图像进行去噪，去除冗余信息，然后使用形态学腐蚀方法提取虫蚀粒边界，并沿freeman链码方向取边界坐标值，在不同步长条件下，使用角度计算公式计算边界坐标点组成的向量角度值序列，统计它们的特征：均值、方差、三阶矩、熵等；最后使用Fisher分类器和贝叶斯分类器对输入测试样本的上述特征进行分类识别，并对比分析两种分类器分类识别效果。在此基础上，本文还对Fisher分类器判别点的选取方法进行改进，然后与传统的分类器识别效果进行比较，并对比分析了不同步长条件下的分类效果。实验结果表明，改进后的Fisher分类器在步长为2时，虫蚀粒的正确识别率可以达到95.65%。