随着生活水平的提高,人们的健康意识明显增强,在食材的选取方面也更加重视。如何提高甘薯的质量也就成为当今农业生产的一大研究热点,因此在将甘薯投入到市场之前,对其进行有效的检测分级就成为农业市场必不可少的一道重要工序,既可以保证甘薯的品质,提高经济价值,也为甘薯的市场经营管理提供了便利。针对目前较为常用的生物化学检测方法和人工分级技术,不仅效率低下,精度不稳定,耗时较长,且对农产品破坏性较高的问题,本文提出一种基于光谱和机器视觉技术的甘薯无损检测和分级方法,主要内容及结论如下:(1)由于甘薯在冷害发生初期,外部表皮冷害症状较轻微,人眼难以识别。因此本研究针对这一问题利用光谱技术检测甘薯早期冷害的发生情况。为准确提取特征波长,本文提出一种基于类可分性准则的关键特征排序方法,该方法通过建立显著性指数模型,基于特征相关度对特征波长进行排序,剔除相关度高的特征波长,从而选择出更准确的冷害甘薯的敏感光谱波长。(2)针对甘薯冷害检测问题,利用支持向量机算法将健康甘薯与冷害甘薯进行分类,分别以相同比例和不同比例模型进行检测,通过对5个甘薯品种进行实验,5:5比例模型检测甘薯水渍状前一天的冷害甘薯准确率达到99.52%,7:3比例模型检测冷害甘薯准确率达到99.63%。实验结果证明提取出的特征光谱波长具有一定的代表性,并且表明光谱技术可以有效检测甘薯早期冷害的发生情况。本文对不同贮存温度下甘薯冷害的发生时间进行总结,为甘薯的贮存保鲜提供理论依据。(3)针对甘薯几何特征分级研究问题,在甘薯图像预处理阶段,存在背景与甘薯难以区分的问题,本研究提出了一种基于RGB颜色模型的灰度化方法,利用阈值分割算法对甘薯图像进行目标提取。通过建立一种多维模型方法,分别获取甘薯正侧面图像的最小外接矩形,将矩形的较长边作为甘薯的最大粗度和长度,通过计算甘薯的最大粗长比,对甘薯薯形进行分类检测;针对误判的不规则等畸形薯块,结合椭圆度检测方法识别甘薯的轮廓特征,进行畸形检测;根据粗度尺寸对薯形类内薯块进行大小分级,最终实现甘薯基于冷害和几何特征的无损害检测分级。