基于机器视觉对苹果进行在线检测分级,对提高我国苹果市场的竞争力有十分重要的意义。目前,在苹果分级的过程中存在效率低、误判率高、速度慢等缺点,很难满足实时性分级的要求。基于此,本论文提出了基于机器视觉苹果检测算法的研究,包括苹果图像处理和大小形状、颜色、缺陷分级算法。首先采集苹果图像,将采集后的苹果图像进行A/D转换成24位GDI位图,对转换后的苹果图像进行平滑、分割、灰度化和锐化等图像处理,其次提取处理后苹果图像的大小形状、颜色和纹理特征参数,依据提取的特征参数实现苹果分级。苹果大小分级,利用直径判别法,将其分为4个等级,准确率达到90%以上;形状分级采用参考形极径差值法,有效地将苹果分为畸形果和圆形果;颜色和缺陷分级本论文提出用BP神经网络作为分级器,其中颜色分级使用粒子群优化的BP神经网络,将颜色特征参数色相频度作为BP神经网络的输入,训练优化后的BP神经网络实现苹果颜色分级,分级正确率不低于96%,而缺陷分级采用遗传算法优化的BP神经网络,将缺陷的特征参数平均梯度作为BP神经网络的输入,训练经过GA优化后的BP神经网络,将其作为分级器,实现苹果缺陷分级,识别率可达89%以上。最后设计苹果检测系统,通过试验实现苹果大小形状、颜色和缺陷分级。因此本文设计的苹果分级检测系统,通过试验验证了该系统满足实时性分级的要求,同时也验证了本论文提出的理论研究与设计方案的可行性与正确性。