核桃是世界“四大干果”之一,具有较高的营养价值,是国内外种植较为广泛的一种经济作物,目前我国核桃种植面积和产量均居世界第一位。我国核桃产量虽大,但在出口创汇方面却远远落后于美国等发达国家。为提高我国核桃的品质与价值,本文以核桃为研究对象,基于计算机视觉技术和X射线成像技术建立检测判别模型,为核桃在线检测设备的研发提供理论支持。主要研究内容和结论如下:（1）基于计算机视觉技术对核桃品种进行判别。利用计算机视觉图像采集系统采集三类样本图像,对图像进行3×3模板中值滤波和四邻域锐化预处理。提取各样本图像的R、G、B、H、S、I、L*、a*、b*9个颜色分量的均值和方差共18个颜色特征参数,利用灰度共生矩阵法（GLCM）从4个方向（0°、45°、90°、135°）提取各样本图像的能量、熵、惯性矩、相关性、逆差距共20个纹理特征参数。比较不同特征融合的分类结果,得到基于颜色特征结合纹理特征参数所建模型对三类样本的判别准确率最高为98.78%。分别利用竞争性自适应重加权算法（CARS）、回归系数法（RC）、连续投影法（SPA）优选出12、15、13个特征参数,将其作为输入建立最小二乘支持向量机（LS-SVM）和偏最小二乘（PLS）判别模型,结果表明基于SPA所建LS-SVM和PLS模型的判别准确率均最高,分别为99.39%和98.78%,考虑到PLS模型相较LS-SVM模型运行时间更短,本研究最终选择SPA优选特征参数,采用PLS模型对核桃品种进行判别。（2）基于X射线成像技术对空壳核桃进行检测。利用X射线成像采集设备采集样本图像,对图像进行预处理。为比较不同纹理特征提取方法对正常核桃、空壳核桃的分类结果,分别以基于灰度共生矩阵提取纹理特征参数（20个特征参数）、基于灰度共生矩阵+灰度差分统计提取纹理特征参数（23个特征参数）、基于灰度共生矩阵+灰度差分统计+Tamura提取纹理特征参数（26个特征参数）、基于灰度共生矩阵+灰度差分统计+Tamura+灰度梯度共生矩阵提取纹理特征参数（40个特征参数）作为输入,建立偏最小二乘（PLS）和极限学习机（ELM）判别模型,得到基于灰度共生矩阵+灰度差分统计所建两种模型的判别准确率均为100%。将核桃输送机构速度调为0.17m/s,0.25m/s,0.33m/s,0.42m/s,分别以基于灰度共生矩阵+灰度差分统计提取对应速度下正常核桃、空壳核桃的纹理特征参数,建立PLS、ELM判别模型,结果表明速度为0.17m/s、0.33m/s的两种模型判别准确率均高于97%,满足要求。考虑到分选效率,本研究最终选择核桃输送机构的最佳速度为0.33m/s。（3）基于计算机视觉技术对核桃进行大小分级及系统开发。利用计算机视觉图像采集系统采集样本图像,对图像进行预处理,将形态学和逻辑学运算相结合获取样本投影面积像素数,利用最小外接矩形法获取样本长像素数。将样本投影面积像素数与实测重量之间的关系进行拟合,得到线性模型y=0.0028x-5.3154,拟合度R~2=0.87;将样本长像素数与实测横径之间的关系进行拟合,得到线性模型y=0.4483x+1.2055,拟合度R~2=0.9691。利用上述两个线性模型能较准确预测出样本重量和横径,以此对核桃进行大小分级。按照核桃坚果分级标准物理指标并结合“礼品2号”核桃的基本特征,建立“礼品2号”核桃大小分级标准。以上述理论为基础,结合Lab VIEW与MATLAB开发核桃大小分级系统,并选用190个人工分选的“礼品2号”核桃对系统进行测试,结果表明该系统综合分级准确率为93.16%,满足分级要求。