淡水鱼的肉味鲜美、营养丰富,是人们日常生活中最喜爱的食物之一。但是由于淡水鱼作为一种特有的食物资源,具有易腐性、季节性、区域性和集中性等特点,制约了淡水鱼产业的发展。因此,为了进一步提高淡水鱼产品的经济价值,需要对打捞上来的淡水鱼产品进行深度加工。但是在深加工之前需要对淡水鱼按品种和重量进行分类,目前在我国淡水鱼前处理加工过程中,品种分类主要依靠人工作业,作业环境恶劣,劳动强度大,效率低；而重量分级则主要依靠机械分级,对鱼体损伤比较严重,不利于鱼产品的商品价值,严重的制约了淡水鱼产业的快速发展。针对这一问题,本文以常见的淡水鱼为研究对象,采用机器视觉和数字图像处理技术对淡水鱼图像的颜色特征和体型特征进行提取,并以此对品种识别方法进行了研究,同时建立了四种淡水鱼的重量预测模型,为实现淡水鱼品种的自动识别和分级提供理论依据和技术基础。本文主要研究内容与结论如下：(1)构建用于淡水鱼识别的机器视觉系统。利用该系统采集了4种常见淡水鱼共240张图像,其中180张作为建模集,60张作为检验集。(2)利用数字图像处理技术对建模集中180条淡水鱼原始图像进行了颜色分量的提取、图像灰度化、二值化、图像增强和轮廓提取等预处理,得到了淡水鱼二值图像和轮廓图。(3)通过提取的淡水鱼图像的各个颜色分量特征和体型特征参数,建立四种淡水鱼的品种识别模型。并用检验集中的60个样本对该识别模型作了检验,其中鲢鱼的识别率为100%,鳊鱼的识别率为100%,鲫鱼的识别率为92.31%,鲤鱼的识别率为93.75%。同时对模型中误判的试验样本进行了分析,找出了主要造成误判的原因。(4)通过试验对建模集中的淡水鱼的体型特征进行了测量,获得了每种淡水鱼的各部分的体长比例均值,同时对鱼体进行了分解,测得了各部分的重量占总重量的比例均值,为后面对淡水鱼的重量预测做准备。(5)利用各种淡水鱼的体型特征参数对图像中的各部分的投影面积进行提取,可以获得淡水鱼各部分的原始投影面积,并利用各部分的重量比例对各部分的投影面积进行校正,之后利用spss软件对校正后的各部分面积与重量做回归分析,建立重量预测模型。用检验集对预测模型进行检验可知,各种淡水鱼的重量预测相对误差都比较小,鲢鱼的相对误差均值是3.57%,鳊鱼的相对误差均值为3.56%,鲫鱼的相对误差均值为3.41%,鲤鱼的相对误差均值为3.49%。由此可知利用机器视觉技术为淡水鱼的重量分级方法提供参考。(6)基于VC++6.0开发了淡水鱼品种识别和重量预测软件系统,该软件系统的主要功能包括图像预处理、特征参数提取、淡水鱼品种识别和重量预测等。经测试表明,该软件系统操作简便、运行稳定。