膨大剂的使用虽能有效地提高猕猴桃的产量,但却导致猕猴桃品质下降、货架期变短且库损严重。因此,识别经膨大剂处理过的猕猴桃果实(膨大果)就成为猕猴桃采后加工业亟需解决的关键问题之一。现有研究表明,近红外光谱技术与高光谱图像技术可以实现猕猴桃膨大果的无损检测,且具有检测准确率高的优点,但这些技术所需的检测设备比较昂贵。为了给猕猴桃膨大果的检测提供一种无损、快速、廉价、方便的检测方法,本文以‘海沃德’、‘徐香’和‘华优’猕猴桃为对象,根据膨大果和未经膨大剂处理的正常果在投影面积和果萼形状方面存在的差异,利用数字图像处理与机器视觉技术,研究猕猴桃膨大果的识别算法,并基于Android手机平台开发猕猴桃膨大果的检测软件。主要研究内容及结果如下:(1)猕猴桃膨大果和正常果物理特性参数的分析及基于最大直径和投影面积的膨大果检测方法研究。首先分析了膨大果与正常果样本在物理特性参数(质量和最大直径)上的差异,提出了识别膨大果与正常果的方法,进而搭建了采集猕猴桃图像的系统,该系统由支撑架、手机、背景和一参照物组成。在对猕猴桃图像进行一系列处理后,得到各个样品的最大直径,对得到的各品种猕猴桃膨大果和正常果样品的最大直径进行统计和分析,提出以6.46、6.12和6.46cm分别作为判别‘海沃德’、‘徐香’和‘华优’膨大果和正常果的依据,该方法对这三种猕猴桃膨大果的检测准确率分别为82.5%、87.9%和89.6%。为了提高识别的准确率,进而对各品种猕猴桃膨大果和正常果的投影面积进行统计和分析,提出以投影面积是否大于28.4、25.6和28.4cm~2作为识别‘海沃德’、‘徐香’和‘华优’膨大果的依据,该方法的检测准确率分别为87.1%、88.8%和98.3%。(2)基于果萼形状的‘海沃德’膨大果检测方法研究。根据‘海沃德’猕猴桃的膨大果和正常果在果萼区域最小外接矩形的长宽比存在一定差异的特点,分别将视觉注意机制、非线性灰度变换和K-means聚类算法应用于果萼区域的提取上。但是基于视觉注意机制方法使得提取的猕猴桃膨大果和正常果的果萼区域的长宽比分布重叠较多,对膨大果和正常果的识别效果不理想。非线性灰度变换和K-means聚类算法可很好地提取果萼区域。且发现膨大果果萼区域的最小外接矩形长宽比基本大于1.6,正常果的长宽比多小于1.6,因此提出以长宽比是否大于1.6作为判断‘海沃德’猕猴桃是否为膨大果的依据。验证结果表明,非线性灰度变化方法对‘海沃德’猕猴桃膨大果的检测准确率为90.0%,而K-means聚类算法对膨大果的检测准确率为91.5%。进而将果实投影面积与果萼形状相融合应用于‘海沃德’膨大果的识别,结果说明该方法对‘海沃德’膨大果的检测准确率为92.5%。(3)基于Android平台的猕猴桃膨大果检测软件的开发。基于OpenCV库与JAVA语言分别对三个品种的猕猴桃膨大果检测算法进行移植,在Android平台上实现了检测算法。分析了膨大果检测软件所需的功能,并对其操作界面和算法进行了设计。基于Android Studio集成开发工具,通过编写xml文件设计软件的界面,使用JAVA语言编写了软件操作功能的算法。最后在不同手机环境下对软件进行了测试。结果说明,该方法检测‘海沃德’、‘徐香’和‘华优’猕猴桃膨大果的时间分别小于2s、0.2s和0.2s。