我国是一个海洋大国,海产养殖业的发展在我国农业生产乃至经济发展中均占有重要的地位。扇贝精选分级是扇贝养殖收购过程中的一个重要环节,有效、可靠的精选分级一定程度上决定了扇贝养殖的效率。目前,扇贝精选分级多数采用人工方式,人工方式不仅效率低、强度大,而且分级的结果受人为主观因素影响较大；使用机械筛分级精度低,碰撞、震动经常导致扇贝边缘破损,造成病贝、死贝,因此没有得到广泛应用。本文致力于研究基于机器视觉的扇贝精选分级系统,机器视觉检测技术具有非接触、精度高、速度快的优点。扇贝精选分级系统功能是实现扇贝的自动化测量和分级,包括扇贝检测(计数)和扇贝测量两部分。在研究的过程面临着一些问题如：扇贝不同颜色表面分割、带水和泥土的扇贝图像去噪、扇贝尺寸的快速准确测量、扇贝并排和重叠处理等。本文使用多分辨率分析的方法提升系统检测效率,利用帧差与中值滤波方法进行去噪,使用YCRCB色彩空间与大津法相结合的方法对扇贝进行分割,并提出了一种基于扇贝凸缺陷特征的扇贝尺寸测量方法,完成了扇贝的检测和测量。为进一步提高检测精度使用了局部边缘二次处理方法,为降低漏检率分析并处理了扇贝重叠和并排检测问题。为了验证本文算法设计的合理性和有效性,本文在算法设计的基础上,研制了扇贝智能检测系统,并在现场环境中进行了实验、测试和应用。结果表明,在保证检测稳定和测量准确的前提下,本文设计的算法和系统具有较好的鲁棒性。