红枣作为我国的特色农产品,以其营养保健价值以及甘甜的风味深受人们的喜爱,我国一直是红枣出产大国,但红枣的附加值和出口额提高的情况并不可观,其中一个重要的原因是受到分类及分级技术的制约。目前市场上的红枣分类、分级方式主要有人工式、机械式和机器视觉式,分别存在成本高效率低、易造成机械损伤、分级依据特征单一等诟病,一定程度上影响红枣产业的进一步发展。本文针对红枣分类、分级存在的问题,进行基于机器视觉的外部品质分类及分级方法的进一步探索,主要研究工作如下:(1)分析研究干制红枣的现有国家标准GB/T 5835-2009和相关文献标准,结合本文选用的实验对象若羌灰枣的外部品质特点,制定一套操作性较好的分级标准作。搭建机器视觉红枣图像采集系统,对每个红枣进行多视角图像采集作为实验研究材料,通过采集大量的红枣图片,并通过人工标注采集的红枣图像为深度学习网络的正常与缺陷红枣分类研究制作数据集。(2)结合深度学习算法特点以及红枣外部品质分类要求,提出将验证损失结合分类损失的多任务的神经网络算法作为本文实现红枣分类的模型,先分别在VGGNet-19、ResNet-18、ResNet-50、DenseNet-121网络下进行分类实验,选择效果较好的ResNet-18作为主干网络,在主干网络后分别连接验证子网络和分类子网络。(3)基于多视角红枣图像进行三维拟合实现大小分级的研究。对正、反、上、下四个视角的红枣图像进行了一系列图像预处理和边缘提取后,采用最小二乘椭圆拟合法对红枣进行椭圆拟合,利用四个视角图像方位的互补优势,实现提取拟合椭圆的半轴的准确度优化,并以红枣拟合的椭球体积为分级依据进行大小分级;同时进行一组单幅二维红枣图像的最小二乘法椭圆拟合大小分级对照实验。实验结果表明:本文提出的基于多视角红枣图像三维拟合的大小分级方法在分级准确率方面有明显优势。本文基于深度学习理论框架来构建等内外红枣分类算法,对机器视觉分级方法进一步探索,解决了缺陷红枣分类识别精度低的技术问题,提高了红枣大小分级的准确率,符合农业现代化发展的要求,同时也有助于增加红枣的附加价值和市场竞争力,促进红枣的出口和销售。