近年来,机器视觉技术已越来越多地运用于农产品检测领域中。目前,苹果、芒果等果蔬已能成功地通过大小、颜色、尺寸比等特征值进行分选。然而,由于不规则扁平粒状物的表面为略带弧度的不规则曲面,且体积小、表面信息量少、轮廓不规则,用上述常用的特征值很难表征包含三维信息的平整度。本文利用机器视觉技术对不规则扁平粒状物表面平整度的提取、表征进行了深入的研究,设计了一种自动识别、分选这类物体表面平整度的方法,目的在于解决现有技术对表面平整度特征难以获取、分选困难的问题。本文的主要研究内容如下:(1)深入研究了三维视觉技术,通过比较各种三维视觉技术的特点、性能和适用的场合,针对本课题的特点,提出了一种将双目立体视觉技术应用于不规则扁平粒状物表面平整度分选的方法。(2)对摄像机成像模型进行研究,分析了透镜实际的畸变情况,为了使畸变模型更符合真实情况,在透镜畸变模型中引入三阶径向畸变项和切向畸变项。根据不规则扁平粒状物图像的特点,深入研究图像分割策略、匹配代价以及最终视差图计算等环节,提出了一种改进的基于图像分割的立体匹配算法。(3)进一步优化立体匹配算法,同时采用CUDA(计算统一设备架构)技术实现CPU和GPU协同工作,从而大大缩短了该算法的运行时间。(4)分析与平整度相关的若干特征值,并利用三维信息通过大量实验得出最佳平整度分选特征值,同时也验证本文方案适用于解决不规则扁平粒状物表面平整度的自动化分选问题。