新鲜鸭蛋在腌制过程,由于其产地、品种、饲养条件的迥异,还有本身的大小、形状和蛋壳厚度都会影响新鲜鸭蛋从鲜蛋到逐渐腌制成为成熟的咸蛋的进程,再加上腌制条件、腌制工艺、腌制技术、腌制设备和操作腌制流程的工人的素质参差不齐,使得咸鸭蛋在腌制完成后品质不一。咸蛋产品出厂包装前需要进行检测并分级,而我国目前的禽蛋分级绝大都数是采用人工操作的,速度慢、效率低、分级准确性差。为了解决上述问题,本文提出了一种群体咸蛋品质在线分选模型。该模型利用工业相机、光电传感器和计算机采集输送带上的群体咸鸭蛋动态图像,先对图像进行预处理,去除与咸蛋分级无关的环境图像,然后采用数学形态学运算及去除小面积对象法来确定二值图像的目标区域；根据图像的凸凹程度来判断目标区域是否漏光,应用搜索突变点来消除漏光区域,再用最小二乘法拟合漏光的鸭蛋图像边界；对咸蛋二值图进行标记并提取单个目标区域,应用彩色空间法提取图像的特征描述参数,并建立基于RGB与HSV模型的线性、非线性回归方程,采用最小误差选择法确定分类阈值,最后对咸蛋品质模型进行检验。取另外一组咸蛋,将各品质咸蛋样本由人工仔细定级,并做好标记,再将所有的咸蛋不分类别的混合在一起,随机放置于在线分级系统上进行自动分级。分级完成后与事先做好的定级标记进行比较,统计模型正确判断咸蛋类型和误判的数量。结果发现好蛋的最高识别正确率为93%,退溶蛋的识别率为90%,黑黄蛋的识别正确率为97%,最高的总体识别正确率为93%,分级效率为5400枚/小时,表明模型对咸蛋的分级是可行的。