人工分级是苹果外在品质分级的最原始方法,不仅劳动强度大,而且缺乏客观性和准确性,严重影响分类的效率和准确率。计算机图像处理和机器视觉技术为水果的外在品质检测提供了一种自动、无损、高效和客观的方法,大大推动了水果分级研究的进展。形状、颜色等特征是苹果外在品质分级的重要特征,也是分级的重要依据。本课题从形状和颜色特征入手,研究并设计苹果的自动分级系统。本课题主要针对苹果自动分类的基础方法进行研究,针对真彩色苹果图像,从理论的角度阐述了包括图像预处理、特征提取与选择、分类识别等一整套基本算法,重点研究了苹果的特征提取和特征选择,并将获得的特征选择子集用于苹果的分类。借鉴苹果分类的人工经验知识,并结合前人在特征提取方面的成果,在苹果图像分割的基础上,充分考虑传输带上苹果放置的状态,提取苹果图像中特定状态对应的形状、大小等定量形念参数;选择合适的颜色模型,提取出苹果的颜色特征。针对各类参数复杂度不同,采用了分步进行特征选择的策略,筛选出最佳特征子集。首先,要根据有无果梗或花萼来确定苹果在传输带上的状态;然后在基于离散二进制粒子群优化(PSO)的基础上,提出了一种改进的并行PSO特征选择算法,从原来的一个微粒群速度变成两个独立、不同和并行的微粒群速度,从而快速、有效地从苹果的形状和颜色特征样本中获得一组最优特征子集;接着采用最小二乘支持向量机(LSSVM)分类器对最优特征子集进行分类,验证特征选择的效果。最后,本课题设计了多类LSSVM分类器模型,用它对苹果进行识别,该方法能够在少量样本的情况下得到较好的分类结果。在此基础上,利用DM643作为主处理器设计出自动苹果品质分级系统,从检测结果来看,该系统用于苹果自动分级是可行的,在水果外在品质识别等领域有着广泛的应用前景。