近年来,随着机器视觉技术的快速发展,它被广泛应用于农产品的检测中。我国是马铃薯的生产大国,但是马铃薯品质检测主要还是依靠于人工分级,效率低下、成本高,所以如何快速、实时和无损的检测马铃薯具有重要的意义和科学价值。本文结合机器视觉技术,对马铃薯质量检测、薯形分类、外部缺陷类型算法进行研究,并设计了一套基于嵌入式开发平台的马铃薯检测系统。主要研究内容如下:1.设计并搭建了马铃薯图像采集系统,通过选择摄像机、镜头、光源,确定了光室的布置,并采用张氏标定法对相机进行标定,尽量消除畸变对于马铃薯图像的影响。2.对图像灰度化、图像平滑、图像分割、图像边缘检测算法进行对比,选择最适合马铃薯图像的预处理算法。3.在马铃薯质量检测中,通过对比面积法、周长法、多因素模型法,最终确定采用三面积法来拟合马铃薯质量模型,实验表明该模型具有很高的相关性,平均检测准确率为97.33%。4.在薯形分类检测中,在传统Hu不变矩7个特征值的基础上,引入了新的3个不变矩,用于提取马铃薯的特征参数。为了提高马铃薯检测效率,在形状不变矩的基础上提出了基于改进的边缘不变矩。利用混沌粒子群算法对支持向量机的核函数参数进行优化,以马铃薯分类准确率为标准,最终确定了7个传统边界矩和引入的1个边界矩作为马铃薯分类的特征参数,薯形分类准确率达到了96%。5.在马铃薯外部缺陷检测中,通过观察其表面缺陷特征,利用R、G、B三个分量的取值对马铃薯表面绿皮进行检测。利用HSV彩色空间的亮度截取法,限定阈值大小,对马铃薯表面机械损伤、出芽、干腐等缺陷进行检测,最终实现马铃薯表面缺陷分类。6.结合嵌入式Zybo Z7开发平台,设计了马铃薯检测系统。利用FPGA的加速器设计,将马铃薯检测算法封装成IP核,在ARM处理器中移植了Linux操作系统,通过Qt交互式界面设计,调用机器视觉库,实现了对马铃薯品质的在线检测。