我国是世界上柚种植面积最大的国家,柚产量位居世界第一,但柚的分等分级仍依赖人工,费时费力,亟需提升商品化处理装备的检测水平与生产效率。本文以琯溪蜜柚为研究对象,研究了琯溪蜜柚三维重建与孔洞补全等关键技术问题,建立了基于三维模型的蜜柚体积、密度、纵径及横径估测方法。主要研究内容如下:（1）构建了用于蜜柚多视图三维重建的机器视觉系统。该系统主要由光照系统、旋转平台、图像采集装置及采集软件组成。实测了横向圆周阵列条形光源、穹顶环形面板光源、纵向圆周阵列条形光源及圆筒式均布面光源等4种光照方案的蜜柚表面平均亮度,分别为143.1、184.6、191.6、196.1,标准差分别为16.4、25.7、23.3、5.8,由此确定了圆筒式均布面光源方案,克服了蜜柚表面反光强烈引起的图像亮斑问题。选取了MV-CA013-20GC型工业相机及8 mm工业镜头,图像采集装置与采集软件实现了图像同步触发采集。（2）提出了基于双视角点云实现琯溪蜜柚实时重建方法。基于开发的蜜柚三维图像处理软件,实测了0.55～0.95 m深度距离下Azure Kinect DK、Real Sense D455、Real Sense L515及HLT003S-001等4种深度相机的平均残差波动和平均绝对距离误差,平均绝对距离误差分别小于1 mm、7 mm、3 mm、2 mm,由此确定采用Azure Kinect DK深度相机以双视角方式进行重建,以减少点云表面缺失区域,实现琯溪蜜柚实时获取与重建。（3）建立了琯溪蜜柚三维点云高精度重建与孔洞点云补全模型。基于构建的均匀光环境机器视觉系统,提出了基于标定码解决蜜柚点云尺度不确定性和重建精度评价方法,建立了多视图三维点云模型重建方案,实现了琯溪蜜柚三维点云高精度重建,重建模型点云精度误差处于-0.66～0.72 mm。采用MSN点云补全网络模型实现了蜜柚数据集孔洞点云的快速补全,平均补全生成速度为10.46个/s。（4）建立了基于三维模型的蜜柚体积、密度、纵径及横径估测方法。提出了基于最小有向包围盒及三角化凸包三维点云方法,以分析重建模型对蜜柚体积、密度、纵径及横径估测的影响。结果表明:精滤波点云、下采样点云及补全点云三者的体积、密度及纵横径估测值均与蜜柚实测值呈现正相关,体积平均相对误差分别为5.04%、3.91%和3.17%,密度平均绝对误差分别为0.031 g/cm~3、0.025 g/cm~3和0.020 g/cm~3,纵径平均绝对误差分别为2.80 mm、1.69 mm和3.82 mm,横径平均绝对误差分别为2.51 mm、1.84 mm和2.47 mm。由此确定了补全点云可用于体积与密度估测,下采样点云可用于纵径与横径估测的方案。