一直以来,我国的农产品果实收获作业一直依赖于手工完成。近些年来,随着农村劳动力的减少以及人口老龄化的加剧,迫切需要发展机械化采摘作业代替繁重的人工采摘作业。面对复杂多变的农田环境,农业采摘机器人的自动识别技术一直是农业机器人研究的难点之所在。因此,本研究目的是设计出一款能够在自然场景下实时、有效的识别出果实的机器视觉系统。目前,学者们大多采用PC机作为机器视觉系统的核心处理器,这种设计的优势是识别速度快、可靠性高。但是,PC机存在体积庞大、功耗高等问题,导致基于PC机的果实采摘机器人在实际生产中不能够被广泛的应用。因此,本论文提出了基于DSP+光照强度采集设备的农产品果实自动识别系统。本论文具体研究内容如下:(1)根据总体设计需求,确定出本系统由TMS320DM642、视频编/解码芯片、CCD摄像头、显示器、光照强度传感器、SDRAM、FLASH等硬件组成;(2)果实识别算法研究:本研究以柑橘为例,通过大量的MATLAB仿真试验,最终确定出对YUV颜色空间中的Cr分量信息进行均值滤波、直方图阈值分割、形态学去噪、基于面积的特征提取以及Prewitt边缘检测等操作,从而完成对柑橘果实的识别。为下一步的软件设计提供理论依据;(3)软件设计:根据图像处理的功能和特点,针对DSP的程序构架编写数据采集程序、果实识别程以及驱动程序;(4)系统优化与实验结果分析:针对系统运行时间过长的问题,对图像识别算法编程进行优化,确保整个系统的执行时间小于40ms,并对实验结果进行了分析。本论文完成了上述所有实验内容,设计出果实采摘机器人的机器视觉系统具有体积小、重量轻、功耗低等特点。该系统解决了光线太强或太弱对果实识别效果不理想的问题,达到了在自然场景下实时、有效的识别出果实轮廓的效果,并且识别准确率在90%以上。此外,本系统通过更改图像识别算法中相应的阈值以及面积特征值就可以应用在于其他的农产品(果实与背景颜色有差异)采摘机器人身上,具有广泛的通用性。