番茄分级是指按照一定的质量和规格标准,分成不同的质量等级,然后根据质量等级确定其收购和销售价格的一种制度措施。根据我国番茄分级体系中,番茄的果重与大小是基本的级别判定依据。本研究利用机器视觉技术和数字图像处理技术,提取的番茄的外部特征参数和常见的表面缺陷部位RGB图像,建立番茄表面缺陷识别、大小识别和果重预测模型,为实现番茄的表面缺陷、果重与大小自动识别和分级提供理论依据和技术基础。主要研究内容和结果如下：(1)搭建并完善机器视觉系统,选择合适的背景,采集番茄样本的图像,结合分析二值图像和彩色图像,利用图像局部识别、图像增强、灰度化调节等操作,提取出番茄中的花萼、果脐、腐烂以及机械伤等部位的RGB图像,选择番茄表面缺陷的识别指标中R、G、B值的大小以及提取部位的性质参数值netric作为主要识别依据,建立了番茄常见表面缺陷识别模型。结果表明,对果脐的识别正确率达96.1%,花萼识别正确率达100%,番茄侧面与背面识别正确率为100%,腐烂果的识别正确率为91.3%,机械伤部分的识别正确率是82.3%。(2)采用Matlab平台构建算法,利用数学形态运算及图像局部性质运算等构成的识别算法,对番茄样本图像进行预处理,提取番茄图像投影面积、轮廓周长、最大内接圆直径和最小外接圆直径外部特征参数,分别建立番茄果重与4个特征参数之间的一元线性、二阶多项式、幂指和多元线性预测模型。实验结果表明,采用多元线性预测模型预测结果最佳,其决定系数R2为0.9267,标准差S.E为4.32。利用检验样本对预测模型进行实证,预测果重与实际果重的绝对误差均值为3.260g,相对误差均值为1.535%。按照国标进行果重分级,果重分级正确率达91.1%。(3)《中华人民共和国农业行业标准》(NY/T940-2006)中对番茄等级规格所做的规定,以番茄横径作为划分规格的指标,将番茄大小等级分为大、中、小和樱桃番茄,建立番茄最大横径与等效直径d1的回归方程,通过回归分析得到二者的相关系数为0.9592,因此选择等效直径d1代替番茄最大横径作为番茄的大小分级标准,对番茄大小进行分级,实验结果表明,番茄大小分级的正确率达98.2%。用等效直径代替最大横径来预测番茄大小具有较高的精度,能够满足实际生产中番茄分级的精度要求。(4)基于Matlab开发了番茄分级软件系统,该软件系统的主要功能包括图像预处理、特征参数提取、番茄缺陷识别、重量预测、大小分级与重量分级等。经测试表明,该软件系统操作简便、运行稳定。