随着计算机技术的发展,嵌入式应用延伸到生产生活的各个领域,自动分拣技术也广泛应用在我国的农产品加工领域。传统的分级检测系统过程繁琐,效率低下,且大型流水线检测系统不适合进入苹果园区进行现场分级检测。论文针对上述问题,设计了一款嵌入式苹果分级检测系统,对水果检测分级算法进行研究,并在FPGA（Field Program-mable Gate Array）平台实现。系统通过采集苹果图像信息,选择 YOLOv3-tiny 目 标检测算法分离出具有缺陷的苹果,对优质果采用边缘检测算法进行大小等级分类。测试结果表明,该系统能实现苹果的优劣检测和大小等级分类,达到实际应用的需求标准。论文工作内容主要如下:1.论文利用Darknet深度学习框架对苹果表皮缺陷检测模型进行训练。论文建立关于苹果表皮缺陷的数据集,通过训练得到能够识别具有表皮缺陷的苹果的权重值;2.为提高苹果表皮缺陷的检测速度,降低嵌入式设备内存消耗,针对YOLOv3-tiny网络模型设计FPGA加速器,达到减少计算资源,提高计算吞吐量的目的;3.为实现苹果的大小等级分类的,选择边缘检测算法提取苹果边缘图像,获取苹果最大直径,从而得到分级阈值来实现苹果等级分类;4.设计嵌入式苹果分级检测系统,对开发板ZYNQ₇010进行Linux内核移植,将训练好的YOLOv3-tiny网络模型权重和边缘检测代码烧录到ZYNQ₇010开发板上,通过开发板内的Linux系统进行gcc编译,实现利用FPGA平台进行苹果的表皮缺陷检测和大小等级分类;论文基于ZYNQ₇010开发平台,研究设计了一款嵌入式苹果分级检测系统,对苹果表皮缺陷进行目标检测,剔除缺陷苹果,对分离出的没有缺陷的果实进行大小等级分类,最终实现对苹果果实的两级分类。