近年来,机器视觉技术迅速发展,已经逐渐运用到马铃薯的品质检测分级中,基于机器视觉的马铃薯品质分级既可以有效避免机械检测带来的二次损伤,也能排除人为主观因素对分级的干扰,保证长时间稳定地工作,提高检测效率和分级准确率。本文基于机器视觉研究马铃薯的品质检测及分级,主要完成了以下内容:进行相机镜头选型,采用张正友标定法对相机进行标定,完成对图像的矫正。对原始马铃薯图像进行灰度化、滤波、阈值分割等预处理,通过比较,选择最优的预处理方法。在马铃薯的外部缺陷检测分级中,通过分析马铃薯绿皮、干腐、孔洞、出芽、机械损伤等外部缺陷的特征,选择基于RGB空间的欧氏距离的方法进行绿皮检测,用SUSAN算子对除绿皮外其它的缺陷进行检测。将两种方法结合起来,确定外部缺陷的检测流程,将有缺陷的马铃薯剔除。在马铃薯的形状检测分级中,选择不变矩作为形状检测的特征参数。在已有的7个不变矩的基础上,通过三角函数生成法另构造增加3个不变矩,使检测结果更加精确,将马铃薯边缘检测图像的10个不变矩输入到BP神经网络进行训练,通过训练好的神经网络模型将马铃薯分为非畸形和畸形两类。选择kinect v2相机对马铃薯的大小进行检测分级。通过光飞行时间原理可以获取马铃薯深度图像及其背景图像,从而得到表面厚度图像。采用逐像素求积分的方法求取马铃薯的体积,进而得到马铃薯的质量。根据质量将马铃薯分为大、中、小三级,搭建了马铃薯品质检测分级的图像处理系统。