我国苹果种植面积广,产量巨大,种类繁多。但由于我国水果生产加工企业普遍采用人工分级与机械分级,与国外的分级技术相比较落后,分级精度偏低,同一批次的苹果质量参差不齐,使得我国苹果在国际贸易市场上成交量小,且价格较低。利用机器视觉技术对苹果品质进行自动分级检测,可有效地提高分级精度和效率,不仅能够满足各种消费人群的需求,为企业带来良好的效益,还可以提高我国苹果的出口量和出口价格,增加外汇收入。本文以烟台地区的红富士苹果为研究对象,基于机器视觉技术对苹果的果面缺陷与颜色两个特征进行研究,主要研究内容如下:(1)在图像预处理阶段,本文对RGB与HSI颜色模型进行分析,根据两种模型的特点,确定其适用情况。通过在灰度图像中加入白噪声,利用信噪比PSNR对几种常用滤波算法的去噪效果进行对比和评价,选定了有效性和实时性相对优越的快速中值滤波法。(2)在图像分割阶段,对比R、G、B、H、S、I六个分量空间下的灰度图以及灰度直方图,发现S分量空间下背景与目标的对比度较高且灰度直方图呈现标准的双峰状,最有利于采用全局阈值法进行图像分割。通过分析几种典型的全局阈值分割法,选用一种自适应的阈值分割方法——最大类间方差法。对于分割后的二值图像背景中由传送链条引起的噪声区域,采用形态学滤波中的删除小面积对象法进行处理,获得了良好的去噪效果。(3)提出基于Canny边缘检测算子的果面疤痕识别方法。对图像分割后获取的苹果果实图像,分别用一阶的Roberts算子、Sobel算子与二阶的LoG(Laplacian of Gaussian)算子、Canny算子对其进行疤痕检测,其中Canny算子提取的边缘最完整,且没有虚假边缘。为了将疤痕区域分割出来,获得疤痕区域面积所占果实面积的百分比,本文利用空洞填充法对疤痕区域进行填充,并引入形态学中的开运算将果实边缘造成的干扰去除。(4)考虑到外观品质高的苹果不仅着色率高,通常颜色分布也较均匀,所以在提取颜色特征时不仅选用色度分量,也选用了能够反映颜色分布的R、G、B分量的均值与方差作为特征参数。由于特征参数的个数较多不利于分级,提出了基于Fisher系数及K-means的颜色特征参数优化方法。通过计算每个特征参数的Fisher系数,按照其大小进行无类别的全局优化和分类别(着色率和颜色分布两类)的局部优化,并采用K-means算法对两种优化方式进行评估,聚类结果表明全局优化的效果更好。然后利用PS0(Particle Swarm Optimization)算法优化后的支持向量机对苹果的颜色等级进行自动划分,对全局优化方式下所保留的特征参数个数进行逐一分级测试,在保留Fisher系数较高的7个特征量时,分级正确率最高,达到92%。最后用Matlab软件设计了用于分级操作、模型参数与分级结果显示的GUI产品。