玉米是我国粮食生产中的主要农作物之一,将计算机视觉技术引入到玉米检测分级中,能有效解决传统的玉米粒人工检测的周期长、实效性差、效率低、准确性差且劳动强度高,受主客观因素影响较大等问题,有利于准确评价玉米粒质量等级。本文旨在研究基于计算机视觉进行对玉米并肩杂、不完善粒检测识别。论文的主要内容包括：1·研究了机器视觉图像预处理的方法。为了能更好的保留样本颜色信息又能将背景去除,本研究采用了灰度阈值法进行背景分割。研究发现,红色分量能很好的区分背景和目标样本。其中阈值的设置是在灰度直方图中基于最小错误概率的理论。在图像灰度化的阶段是采用加权平均值的方法。进行图像二值化处理也是同样采用灰度阈值法。2·从背景分割后的图像中提取了六个颜色特征,包括红色灰度均值(R)、绿色灰度均值(G)、蓝色灰度均值(B)、色调灰度均值(H)、饱和度灰度均值(S)和亮度灰度均值(V)；提取了五个形状特征,包括长度、宽度、长宽比、面积、周长。3·本研究在进行玉米完善粒与并肩杂、病斑粒、破损粒、虫蚀粒的识别研究中主要采用了单特征阈值法和多特征阈值法。完善粒与破损粒的识别主要采用单特征阈值法,单独选取面积和周长特征,识别精度分别为100%(测试精度99.5%)、94%(测试精度92.5%);完善粒与并肩杂、完善粒与病斑粒、完善粒与虫蚀粒的识别主要采用多特征阈值法。对于完善粒与并肩杂的识别,选取H和S-H这两个特征时识别精度为100%(测试精度99%)选取V和S-H这两个特征时识别精度为99%(测试精度96.5%)；对于完善粒与病斑粒的识别,选取R×G/B和H×S这两个特征时识别精度为99.5%(测试精度98%)；对于完善粒与虫蚀粒的识别,采用孔洞填充并计算像素值的方法可以识别孔洞状的虫蚀粒,精度可以达到100%(测试精度100%),采用面积阈值可以识别外部边缘虫蚀粒,精度可以达到95%(测试精度94%)。4.本文主要研究样本的静态图像为主,为了以后能进行更深一步的动态图像的研究,本研究设计了玉米自动单粒化执行机构,可用于批量样本的单粒化处理,为实现样本的动态机器视觉检测打下基础。