我国是世界上最大的棉花生产和消费国，棉花产业在国民经济中具有举足轻重的作用，棉种质量的好坏直接影响棉花作物产量的高低和产品的优劣。实际生产中的棉种混有大量未成熟棉种和杂质，种植后将严重影响发芽率。正常棉种一般呈卵圆形，黑色或深综色；未成熟棉种呈现局部或整体的红色；杂质有杆状、圆锥状或块状，颜色为黑色、棕黄色等。基于这些表面视觉上的差异，本文以脱绒棉种为对象，构建了基于机器视觉的棉种动态分选系统，并分别对系统的图像采集、控制处理、喷气等子系统进行了设计和配置。 首先搭建了获取动态图像的采集系统，通过光源和摄像机参数的调试，实现了实时采集动态滑落的物料图像，采集频率为25帧/秒。对获取的图像研究了预处理的方法，最后去除了图像背景、微粒等无用信息，保留棉种目标的信息。 目标图像中包括丰富的信息，需要根据棉种分选的要求提取出有效的识别特征。本文根据形状、尺寸提取出几何特征，并建立了bL/aS的阈值识别模型来辨别杂质；根据颜色提取RGB分量，并基于Fi sher算法建立了线性分选模型来辨别未成熟的红色棉种，试验表明Fisher色选模型对黑种和红种的正确判别率分别达到了96.5％和96.8％。最终结合颜色和形状两方面的特征对棉种中混有的杂质进行了筛选，联合模型对于黑种和杂质的正确判别率分别达到了90.7％和85.1％。 棉种是质量轻微的颗粒状作物，针对其轻巧的特性，系统采用气枪喷射方式剔除物料中的红种和杂质，并设计了控制电路用以完成计算机对气枪的直接控制。气枪控制电路中应用了单片机技术，因此计算机只需要给出喷射指令，电路就可独立完成后续操作，而不占用计算机的视觉处理时间。 最后对本研究构建的棉种分选系统进行了动态试验，试验结果表明，该系统能采集棉种表面信息、分选算法处理速度快、喷气系统反应及时准确。棉种经过自动分选系统后净度由原本的66％提高到81.9％，有较明显的改善。因此，机器视觉技术用于棉种自动分选具有不容忽视的优势和前景。