在柑橘橘片罐头生产过程中,脱囊衣后的橘片可能存在囊衣残留、橘核残留,橘片破损等缺陷,影响产品品质。目前工厂中均采用人工分拣剔除缺陷橘片。人工分拣存在招工难、成本高,卫生隐患等问题。本文以脱囊衣温州蜜柑为研究对象,研究开发基于机器视觉技术的橘片分拣算法与自动分拣设备,以实现橘片的自动分拣。针对三种缺陷的脱囊衣橘片,根据其形态的不同与光学特征,设计机器视觉检测成像系统,研究不同种类的工业相机、镜头、光源对成像与检测效果的影响,结果显示使用白色环形光源能够获得较为均匀的光照,同时使用红色背景光源能够获得较为清晰的橘核特征,采用658×492像素的彩色工业相机,搭建的橘片检测平台能够较好的采集具有清晰缺陷特征的橘片图像。针对三种橘片缺陷研究机器视觉算法,基于LabVIEW开发平台及其视觉开发模块,研究了灰度化、图像分割、图像增强、缺陷特征提取与分析等机器视觉算法,比较不同算法的处理效果与计算耗时,编写检测与控制程序,并基于橘片检测平台进行静态的缺陷检测,采用Equalize算法可增强透射图像的橘片轮廓,采用Clustering和Inter Variance两种二值化算法能较好的分离缺陷特征。缺陷橘片的检测准确率可达到99.1±0.5%,平均耗时17±5ms,可实现每秒64±19片／秒的检测速度。设计了用于橘片自动分拣的机械装置。为解决酸碱脱囊衣后部分橘片互相重叠,不利于机器视觉检测的问题,设计并测试了四种用于将堆叠的橘片分散为单片的分散装置,其中管道式的分散装置可达到较好的效果,使橘片重叠率降至0.27±0.18%。针对脱囊衣橘片脆弱易损的特性,研究了两种橘片输送装置以及低损伤的剔除装置,其对橘片的损伤率低于0.18±0.15%。构建橘片自动分拣设备模型,用于验证连续分拣时机器视觉检测算法与机械装置的效果,实现了对缺陷橘片的连续分拣,试验结果表明,该自动分拣设备模型分拣速度可达到30片/s,识别准确率达到99.1±0.4%,橘片破损率为0.11±0.05%,可达到较好的分拣效果并具有较低的橘片损伤率。