传统枸杞分级主要以人工挑拣方式来判别枸杞的大小、颜色及表面缺陷,这种方式因个体主观误差、疲劳程度的不同,致使分级过程和标准不能保持一致,而且耗时耗力,不能满足枸杞分级的需求。因此采用机器视觉的方法进行枸杞分级,提高效率的同时也实现了枸杞的无损检测,是目前枸杞分级的研究趋势之一。本文研究的主要内容是枸杞图像分级方法。首先对预处理去噪后的枸杞图像进行分割;然后以提取分割后颗粒面积和长宽比为枸杞分级的特征参数,对特征参数进行聚类分析以实现枸杞的分级;最后利用本文提出的方法设计了一个枸杞分级的软件界面。论文的主要工作包括以下几个方面:(1)针对枸杞图像采集过程中的阴影噪声及其灰度图像中的细节噪声、灰度不均匀和边界模糊的特点,提取原始图像的红色分量消除阴影噪声,采用形态学多尺度混合开闭重建运算对红色分量进行重建,平滑内部噪声的同时能够较好地保持枸杞的轮廓边缘信息。(2)针对枸杞图像中因较多颗粒粘连而难以准确分割的问题,提出了基于凹点匹配的分割方法,首先采用8领域跟踪算法提取枸杞的轮廓边缘;然后运用圆形模板检测粘连枸杞的轮廓凹点,以凹点间最短欧氏距离为匹配条件连接凹点对;最后运用改进的匹配规则对错误匹配的凹点对进行修正,实现了粘连枸杞的分割,通过对比实验验证分析了分割方法的有效性。(3)提出了面积加权的枸杞分级方法,首先根据红色分量的分布剔除霉变颗粒;然后运用区域面积标记算法扫描标定获取各个正常颗粒的面积,并用霍特林算法获取颗粒的长宽比,以长宽比作为面积的权值对面积加权修正后,运用K-means聚类算法进行聚类分析,根据样本训练所得的分类基准对枸杞进行分级,通过与人工分拣方式的对比实验定量分析了分级方法的准确性和有效性;最后根据本文提出的方法利用Matlab的图形用户界面设计了一个枸杞分级的软件界面,并采用多幅枸杞图像对软件进行了测试,结果表明,该方法对粘连较多枸杞颗粒分级的准确性和有效性较高。