种子的质量是整个农业生产的保障,在农产品栽种前对种子进行产前品质检验是保证农产品的产量以及质量的有效方式之一。我国棉花产量巨大,选用优良的棉种进行栽种可以增加棉花的产量,然而脱绒棉种品质分选问题严重制约了我国棉花产业发展。本论文针对实际生产要求,将计算机视觉技术应用到脱绒棉种品质检测当中,以新陆早棉种为研究对象,研发一种精确、高效的脱绒棉种外观品质无损检测方法。主要研究内容以及结果如下:（1）研究了基于HOG（Histogram of Oriented Gradient）特征与SVM（Support Vector Machine）的单粒棉种的破损检测。利用图像处理技术对采集到的单粒脱绒棉种图像进行预处理,并进行图像裁剪,保留中心位置棉种,提取棉种的HOG特征,进行PCA（Principal Component Analysis）主成分分析,将分析得到的100维矩阵进行建模,在SVM线性分类器下对棉种进行破损与完好判别,试验发现提取棉种的HOG特征可以对单粒棉种的破损进行有效的判别,分别使用SVM、LDA（Linear Discriminant Analysis）、KNN（K-Nearest Neighbor）三种分类器对提取到的特征进行分析,其中SVM判别效果最优,准确率达到93.5%,召回率为94.5%,表明提取棉种的HOG特征并使用SVM分类器建模可以对单粒棉种进行破损判别。（2）研究了基于改进SSD（Single Shot Multi Box Detector）的群体棉种的破损检测。利用Res Net50网络代替经典SSD算法中的VGG网络作为SSD的基础网络,能够快速地提取群体棉种图像的特征,对群体脱绒棉种中的破损和位置信息实现了精准识别。试验结果表明:该方法建立的模型对群体棉种中的破损棉种和非破损棉种的检测精度达到96.1%、召回率为97.3%、漏检率为0%;高于经典SSD网络模型的92.5%、96.4%、1.4%。（3）研究了基于改进YOLOV4及视觉算法的棉种双面破损检测。设计了群体棉种双面检测硬件装置。利用亚克力板在强光和白色背景下呈透明的特点,将棉种通过上料装置滑入透明亚克力板的凹槽中,采用两个上下相向放置且水平方向镜头中心点角度为45°的双CCD（Charge Coupled Device）相机分别采集群体棉种的上下两面图像。试验结果表明:该方法建立的模型对群体棉种中的破损棉种和非破损棉种的检测准确率达到95.33%、召回率为94.74%、漏检率为0%;检测效果优于原YOLOV4网络的91.67%、92.21%、1.67%;实现了群体棉种的双面破损信息以及位置信息检测。所建模型对单粒棉种检测准确率达到93.5%,对单面群体棉种检测准确率为96.1%,对双面群体棉种准确率为95.33%。