马铃薯作为我国重要的粮食作物之一，种植面积和产量均处在世界第一位，由于受到品质检测技术的限制，我国马铃薯单位产值与其他发达国家相比还有一定的差距，因此研究马铃薯检测分级系统与品质检测方法对提高单位产值及促进马铃薯产业的深加工具有重要意义。　　论文以克新6号马铃薯为研究对象，研究马铃薯外部品质检测系统与检测方法，设计并搭建了马铃薯检测分级系统，确定了马铃薯图像动态采集方法，比较了不同图像预处理方法和图像分割方法对马铃薯图像分割的影响，确定了马铃薯缺陷特征分割方法和特征参数提取方法，建立和比较了不同特征的识别模型，并且对马铃薯外部品质检测分级系统进行了评价，主要研究结论如下:　　1）设计并搭建了马铃薯外部品质检测分级系统，该系统包括驱动控制机构、翻转机构、图像采集装置和分级执行装置，完成了整个系统的机械结构设计和软件开发设计，搭建了马铃薯外部品质检测分级系统。　　2）确定了马铃薯图像动态采集方法，根据马铃薯大小、形状和不同外部缺陷特征，提出了基于面积变化时采集并存储马铃薯完整图像的方法。　　3）分析比较了不同的图像预处理方法、图像分割方法和图像形态学操作方法对马铃薯图像的处理结果，为后续图像分割和缺陷特征提取提供基础条件。　　4）确定了马铃薯不同指标的特征参数提取方法。针对马铃薯重量指标，提取了马铃薯投影面积、投影周长和长径、短径和高径特征参数；针对马铃薯形状指标，提取了形状因子、圆形度、离心率、矩形度和Hu不变矩特征参数；针对机械损伤马铃薯指标，利用霍夫变换法检测直线的特征提取方法，分别提取了缺陷面积、缺陷周长以及颜色信息等特征参数；针对发芽马铃薯指标，利用最大稳定极值区域分割芽体特征，提取了灰度共生矩阵下的能量、熵、惯性矩、相关性以及颜色信息等特征参数；针对绿皮马铃薯指标，利用灰度截留法和色比法，分别提取了绿皮马铃薯的色度域概率值和在RGB、HSV颜色空间下各个色比值为绿皮检测的特征参数，为马铃薯品质识别模型的建立奠定基础。　　5）分析和比较了不同模式识别方法对马铃薯品质检测的影响。针对马铃薯大小检测，提出了基于面积法和体积法的马铃薯单薯重量识别方法，利用一元线性回归确定了最优识别方法为最大外接柱体体积法和最大外接柱体面积法，决定系数R2分别为0.9927和0.9755；分别比较了基于K最邻近分类（KNN）、偏最小二乘线性判别法（PLSDA）和支持向量机判别分析法（SVMDA）的模式识别方法对马铃薯形状、机械损伤、发芽和绿皮指标检测结果的影响，针对薯形指标，3种模型的识别准确率分别为96.7%、96.7%、97.6%；针对机械损伤指标，准确率分别为96.0%、96.4%、96.8%，针对发芽皮指标，准确率分别为91.6%、92.3%、92.9%；针对绿皮指标，识别准确率分别为90.2%、90.6%、91.4%，确定了SVMDA的识别模型为最优马铃薯形状和外部缺陷检测模型；分别利用遗传算法（GA）、粒子群优化算法（PSO）和网格搜索法（GS）对SVMDA识别模型中的惩罚因子c和核函数参数g进行了优化，针对薯形指标，3种方法优化后的SVMDA识别模型的准确率分别为98.1%、98.6%、98.1%；针对机械损伤指标，准确率分别为98.0%、98.8%、97.6%；针对发芽指标，准确率分别为93.5%、96.1%、94.8%；针对绿皮指标，识别准确率分别为92.9%、95.3%、93.7%，最终确定最优识别模型为粒子群优化支持向量机判别分析识别模型（PSO+SVMDA）。　　6）为了降低检测程序运行时间以提高马铃薯在线分级检测速度，分别提出了基于形状参数和圆形度的马铃薯形状检测识别方法、基于缺陷面积和周长的机械损伤检测识别方法、基于HSV颜色空间H分量均值和信息熵的芽体检测识别方法、基于色度域概率的绿皮马铃薯检测识别方法，该识别方法可以快速检测出马铃薯的不同特征，程序检测单薯的时间分别为0.853s、0.804s、0.894s、0.754s，准确率分别为93.3%、94.4%、90.3%、87.8%，并且具有较高的稳定性。　　7）对马铃薯检测分级系统进行了评价，选取马铃薯不同大小、不同形状和不同外部缺陷样本各60个，在该马铃薯检测分级系统上进行了4次试验验证，当系统运行速度为0.1m/s时，其准确率分别为94.2%、93.9%、93.3%、93.1%，平均准确率为93.9%，试验结果表明该检测分级系统可以对马铃薯外部品质进行检测与分级。