鉴于目前沙糖橘人工检测分级存在检测效率低、成本高,主观因素影响大、标准不同意等导致精度低,以及沙糖橘在线连续自动化分级研究少等问题,针对沙糖橘果蒂、果柄、缺陷、纹理等是沙糖橘分级难点,采用单摄像头和环形LED光源提取沙糖橘正面图像,通过对不同新鲜程度的沙糖橘图像进行大量试验和统计分析,确定出沙糖橘图像的采集方法、预处理方法和分割方法,并从图像中提取出沙糖橘果径、纹理和表面缺陷等与品质相关的特征信息,进行MLP模型设计和训练,最终使用传统特征提取、计算和MLP识别分级模型融合使用完成沙糖橘的的检测与分级。本文的主要工作和研究结论如下:（1）根据沙糖橘自身的特点使用光源相机等硬件搭建识别系统确认图像采集方法和完成相机标定,进行RGB和HSI色彩模型的相互转换把各自颜色模型下沙糖橘特征汇总对比,图像的预处理等,为后续顺利进行特征提取做好充足准备。（2）对基于灰度相似性和基于灰度不连续性的图像边缘分割方法的优缺点方面的综合比较分析,提出使用Otsu阈值进行沙糖橘背景分离;对比边缘提取的方法,试验调整不同的打光方式和2种光源组合下的常用的一阶微分和二阶微分边缘算子的效果图,得出打光方式和光源选择对边缘算子有较大的影响;以及验证对比几种沙糖橘果径的不同提取方法,找到最适合实际情况的果径拟合圆的计算方法,另外对比了两种沙糖橘果实区圆率的计算方法,找到更适合实际情况精度更高的面积和周长比值的计算方法,为后续沙糖橘外观品质等级特征的果径和圆率提取确定计算方案。（3）使用和背景分离的沙糖橘图像计算出沙糖橘的果径和果形,通过对不同新鲜程度的RGB沙糖橘图像以及HSI沙糖橘图像各个通道灰度值分析统计后,采用S通道固定阈值25-128之间分割后的图像和H通道的图像做掩模操作,然后再对H通道进行28°-72°的阈值色调分割,成功提取沙糖橘果蒂果柄,使用果蒂果柄对沙糖橘的新鲜度进行识别判定。（4）在H通道去除果蒂果柄区域,然后使用青色像素的阈值分割计算果皮中青色像素占整体果皮像素的覆盖率,判定出此沙糖橘的成熟度。（5）成功使用灰度共生矩阵法提取纹理特征,试验使用沙糖橘灰度图的6个纹理特征作为依据进行沙糖橘果皮是否光滑的判定依据,统计识别结果的正确度,最终发现使用简单特征的线性分割不能满足整个系统的识别准确度的要求。沙糖橘表皮破裂检测试验使用常用的连通选择区域后计算区域个数和以及比较区域的R、G、B分量结合metric范围的方法识别率不够理想,转而使用快速傅里叶转化图像到频率域进行破裂果的识别,再通过形态学分辨出破裂果和疤痕果。后者的准确度完全能满足系统的分级需要。（6）对比国标的沙糖橘品质等级列表制定适合本研究课题的等级识别设判定表,设计了整个品质识别系统的整体框架流程,其中使用纹理特征的6个参数构造6-8-2BP网络结构进行学习训练了一个果皮光滑度的网络识别模型,模型分级正确率达到97%,满足沙糖橘果皮光滑度的分级要求;首先使用快速傅里叶变化判定果皮破裂、疤痕,然后使用传统的视觉特征判定方法,以及MLP判定果皮光滑度相结合,形成一个判别树,最后进行决策融合判定给出沙糖橘的最终等级结果。（7）整合汇总全部的特征识别算法,生成一个GUI程序系统,使用系统验证样本得出判定结果图片,分析得出整体系统识别率达到90%。通过对比实验数据,结果表明本系统具有一定的实用性,上述研究成果为沙糖橘的外观品质判定的自动化和科学化提供了技术支持和理论依据。对促进沙糖橘的分级筛选、促进沙糖橘的贸易发展,均具有一定的理论和实用价值。