花椒是一种应用广泛的经济作物,有很高的食用和药用价值。在色选机的生产加工过程中,因花椒物料类别成分复杂,各类别颜色差异小,从颜色分辨困难,于是提出基于花椒形状特征的多特征分选算法,实现花椒的快速、高精度分选。本研究以色选机采集的花椒样本图像为研究对象,提出物料形状特征的自动提取算法,提取物料的面积、周长和最小外接矩形,建立复杂特征描绘子,形成花椒特征分类数据集;然后对花椒数据集进行数据数据预处理,消除异常值并标准化数据集,在建立模型前对数据集采取特征选择和降维操作;以python平台设计分别基于支持向量机和决策树的分类器对样本数据集进行建模,优化后支持向量机的模型参数为Gamma参数和惩罚系数C分别等于0.4498和1.84,决策树模型参数为最大深度为7,叶子结点数最小为10;在C++环境中部署模型,对样本图像进行仿真实验,验证模型的分类效果,分析不同分类算法模型对花椒样本的分类效果,仿真实验结果表明:1)基于形状特征建立的包含面积、周长、圆形度、矩形度、直径、细长度、对角线长、紧凑度、长轴长共九个特征描绘子的花椒数据集对花椒样本的各类别具有可分性;2)支持向量机模型分类结果:花椒壳的纯净率为93.63%,损失率为3.1%;花椒籽的纯净率为98.4%、损失率为8.3%;决策树分类模型分类结果:花椒壳纯净率为93.66%、损失率为2.69%,花椒籽纯净率为96.01%、损失率为6.9%;在QT平台建立以上模型的界面可视化软件,实现特征的自动提取和模型的快速建立,使用便捷、可移植。研究表明:基于形状特征的花椒分选技术是可行的,所开发的花椒分选算法模型运行正常,仿真实验效果较好,为花椒的分选生产提供了技术支持,具有一定的应用推广价值。