提出一种基于可见光谱图下多模态词典特征低秩稀疏表示框架下的大豆外观品质判别方法来精确地确定大豆品质等级。首先,提取大豆粒子可见光谱图像的多尺度空间梯度特征和YCbCr颜色空间特征;接着,将上述提取的两种基于视觉梯度和颜色特征分别看成视觉词汇,通过Kernel K-means聚类算法获取视觉词汇在核空间局部分布聚类中心形成视觉词典,视觉词典表示的是图像的语义信息,因此一定程度上消除了异质纲量特征的影响;然后,使用低秩稀疏表示法耦合上述两种基于梯度和颜色相关的模态的词典特征,用于消除高维异质模态词典描述符中的冗余信息的影响。最后,在高维耦合空间中根据样本之间的度量对低秩稀疏耦合表示多模态词典特征编码进行分类。提出的方法从而充分利用多模态多尺度空间梯度特征和YCbCr颜色空间特征来描述大豆粒子外观品质的语义特征归属。实验结果显示:建模集和预测集总的识别精度达92.7%和80.1%,识别精度优于文献中提出基于单一模态的视觉词典特征表示方法,提出的方法为实际大豆精加工中外观品质精细分选工艺提供理论依据和技术支撑,具有良好的应用前景和可观的市场价值。