随着食品安全问题的频繁发生,许多国家都建立了符合各国国情的食品安全追溯系统。目前我国在建设蔬菜类可追溯系统的过程中,关于蔬菜种类信息采集方面存在一些问题,如蔬菜种类信息的准确性、蔬菜种类名称的标准化和蔬菜种类识别的商品化等。为了解决这些在可追溯系统中由人工建立蔬菜种类信息档案时造成的问题,提出了蔬菜种类自动识别分类的方法研究。本文以生活中常见的二十种蔬菜为研究对象,以机器视觉技术为理论基础,对蔬菜图像的预处理、分割、特征提取、分类器设计等方面进行了研究。主要研究内容如下:(1)根据研究需求,本文设计了蔬菜种类识别的检测系统,主要包括硬件系统和软件系统。其中硬件系统由照明系统和图像采集系统组成,而软件系统主要由图像采集、图像处理与分析、训练和识别四个模块组成。(2)本文在蔬菜图像的预处理方面,先采用双边滤波对图像样本进行去噪,再通过比较自适应直方图均衡算法(AHE)和限制对比度自适应直方图均衡算法(CLAHE)对图像的增强效果,选择后者对图像进行增强处理;在图像分割方面,针对蔬菜图像中的复杂背景,提出一种新的分割算法,即显著性区域检测FT算法与大津阈值算法OTUS的结合,并取得了满意的效果。(3)针对各类蔬菜自身所特有的属性,本文从颜色、形状、纹理三方面进行相应的特征提取。颜色特征方面,在传统算法的基础上,提出两种新的提取算法,即颜色指纹和HS-MD相关法;形状特征方面,主要从图像的边界和区域两方面提取了8个特征值;纹理特征提取方面,主要针对叶类蔬菜用灰度共生矩阵和局部二元模式相结合的方法,提取能量、熵、对比度和相关性四个特征值。(4)在分类器设计方面,本文并未采用常用的模式识别算法,而是针对提取的特征值,选择不同的核函数对其进行训练,再利用每个核权重对所有的特征值进行加权融合,最后再利用SVM进行分类训练,其识别率达到了满意的效果。