本文分析了库尔勒香梨果形分类和质量分级技术现状及目前存在的问题。目前,由于香梨分级手段落后,效率低,造成香梨果形参差不齐,果实大小不一,严重影响其在国际水果市场的竞争力。因此,对香梨进行严格的果形分析和外观质量分级,对于采取不同的贮藏、销售和加工措施是非常有必要的。本文通过采用数字图像处理技术对香梨的果形特征参数、形状系数和几何特性参数进行了定量分析,利用基于聚类分析的综合人工神经网络算法和统计分析的方法,实现了香梨的畸形果判别分类、标准果形分类,并确定了预测香梨质量的数学模型,为香梨质量自动分级的设计和发展提供研究基础。具体研究内容和结论如下：1.基于聚类分析的综合人工神经网络算法的香梨畸形果判别方法研究。采用均分直线法得到20个香梨的果形特征参数,选用的BP网络有一个隐含层,分别为网络隐含层和输出层选取S型对数激活函数和线性激活函数,输入为香梨的果形特征参数,输出节点为3个。利用设计的BP网络对香梨进行训练和测试。实验结果表明,平均正确率80%,分级效果较好。2.香梨标准果形的分类方法研究。根据纵截面的形状香梨的标准果形分为近圆形、卵圆形和纺锤形三类,以纵横比Ar作为量化指标,近圆形香梨纵横比在0.98-1.12的范围内变化；而卵圆形和纺锤形香梨的纵横比的变化范围分别为1.12-1.29和1.28-1.39。根据横截面的形状香梨的标准果形分为圆状和椭圆状,以圆度比Rr作为量化指标,圆状香梨的圆度比变化范围为1.00-1.10；椭圆状香梨的圆度比变化范围为1.10-1.15；同时当香梨横截面的圆度比Rr<1.10且纵截面的纵横比Ar<1.29时,香梨果形为标准果形,而此区域之外被认为非标准果形。3.香梨质量预测方法研究。香梨的轴径参数、投影面积参数和体积均与其质量有较好的相关性。在基于轴径的质量预测模型中,以香梨长轴α和中轴b或短轴c为自变量的线性质量预测模型更为适宜；在基于投影面积的质量预测模型中,以投影面积Pab或Pac为自变量的乘幂形式质量预测模型更为适宜；在基于体积的质量预测模型中,则推荐使用以香梨的体积值Vosp为自变量的乘幂形式模型,可进行香梨的质量准确预测。从高相关性和测量的简便性两方面考虑,最终确定以投影面积Pab为自变量的乘幂形式,即M=0.0079Pab1.197,R2=0.9899作为最佳的质量预测模型。4.库尔勒香梨果形分析与外观质量自动分级软件开发。编写了基于Matlab的库尔勒香梨果形分析及外观质量自动分级软件系统,采用面向对象的程序设计方法,各模块分别实现香梨的畸形果判别、标准果形的分类和香梨的质量预测,实现了库尔勒香梨果形分析和外观质量的自动分级。