红桔作为万州特色农产品,具有较高的营养价值、药用价值和经济价值。其采摘和深加工技术相对落后,尤其在分级过程中一直采用传统的人工方式进行筛选,存在劳动强度大、效率低、分级标准不统一的情况。机械分选效率高,但只能对果径进行分选,不能对果形、色泽以及病斑进行分选。机器视觉技术的出现,能够很好的解决上述问题,提高果实竞争力,有利于促进本地区红桔行业向更好的方向发展。本文设计一个基于机器视觉的万州红桔分级系统,借助采集的图像提取红桔的多个重要特征进行分析检测,并依据结果建立分级模型,实现红桔的在线检测分级。本论文通过分析机器视觉技术在农产品分级检测的现状,根据红桔分级检测的要求,设计并搭建了红桔分级系统。通过对系统中工业相机、镜头、光源等分析和选择,确保能够采集到高质量红桔图像。通过对相机参数设置,实现图像采集;图像预处理时,对色彩空间两种模型的特点进行分析,确定其适用情况;对几种常用滤波算法的降噪效果进行对比,选定了降噪效果好又能保持边缘细节的滤波方式。在图像分割时,对静态阀值和动态阈值分割效果进行比较,采用动态阀值分割解决因环境光照、拍摄角度等因素引起的图像的微妙变化,把红桔从背景中分割出来。在图像边缘提取时,通过多种边缘提取算法对比,选择Canny算子找到红桔最完整边缘。根据找到的边缘和区域,采用基于最小二乘法的圆拟合,标定后测得果径大小;果形以圆形度作为指标。把果蒂去除后对HSV分量的颜色均值进行对比,把色调均值作为红桔颜色分级指标。提取褐斑病缺陷后以缺陷面积比作为判定指标,然后利用判定树分级方法对果径、果形、色泽、病斑缺陷等特征进行综合分级。最后,结合Halcon机器视觉算法库与C#开发了交互式界面,对所编写的软件用于红桔分级测试,测试平均准确率达90.5%,能够满足红桔分级的要求。