果蔬采摘是一项劳动密集型的工作,随着劳动力的高龄化和人力资源的缺乏,农业劳动力的成本迅速上升,农业机器人技术越来越受到关注。但是由于采摘对象的复杂性和工作环境的多变性,目前国内的采摘自动化程度仍然很低。为适应精确农业的要求和需要,以机器视觉为主要手段,综合运用数字图像处理、模式识别等方面的知识,以成熟的苹果为研究对象,对苹果采摘机器人的视觉系统进行了研究。主要的研究内容和取得的结论如下：1.介绍了本课题的软硬件组成和实验环境；采集了自然环境下大量苹果彩色图像；根据实验环境和实验要求设计了实验方案。2.研究了基于颜色特征的图像背景分割,对11种分割因子就其分割效果进行了对比研究。通过实验发现用R-G色差模型作分割因子可以达到较好的分割效果。3.研究了三种自动阈值分割方法。通过对比研究,最后选取了处理效果较好的改进最大类间方差法；然后对分割后的图像采用形态学算子、面积阈值和低通滤波的方法进行去噪处理。4.对相接触或粘连的多果实分离进行了初步的研究,提出了三种方法：分水岭算法、圆形Hough变换法、形态学算子法,并进行了实验验证。5.在分析苹果果实的形状特征的基础上,提出了两种获取苹果果实生长姿态的方法：利用果实的形状特点法和最小外接矩形法。对两种方法进行了理论分析与实验验证。最后给出了实验的结果分析和误差分析。最后,总结了所做的主要工作,指出了其中的不足和以后的研究方向。本课题的研究对于苹果的自动化采摘、以及果树采摘机器人的视觉系统的开发具有一定的借鉴意义。