棉花产业在在国民经济中具有举足轻重的战略地位。在由棉花生产、纺织、服装加工以及纺织品贸易等组成的整个产业链中，棉种的分选加工占据着基础地位，对棉种进行自动分选是高效农业的要求和保障。 本文用机器视觉方法实现了棉花种子自动分选系统。在系统的设计中，分别对给料、输送、光照、图像采集、图像处理及剔除等子系统进行了研究和配置。 以棉种作为实验研究材料，将其分为完整的黑色种、不成熟的红色种、表皮破裂种及杂质，通过彩色面阵CCD摄像机采集棉种图像。其中，红种的筛选主要通过对颜色特征的提取和分析来实现，破裂种和杂质通过形状、尺寸等几何特征来辨别。 通过分析黑种和红种图像的颜色特征，发现RGB三种颜色分量的相对颜色分量组合“超红”可以明显地将发红部分从图像中区分开来。该组合可以排除光照不均或变化对分选带来的影响，而且正确分类率达到了97％。 在HSI颜色空间中，红种与黑种图像在色调(H)上的差别也很明显。选择有代表性未成熟红种图像区域作为模板学习其色谱分布作为参考模式，在待识别图像中进行颜色模式匹配。该方法能以接近98％的正确识别率识别并定位红种，而且由于色调已分离了光照亮度，该方法也表现出了较好的光照适应性。 为了分离出破裂种和杂质，计算图像中颗粒目标的形状尺寸，通过能区分完整种子和破裂种子的一些几何特征来检测。除了少量带残绒种子及一些杂质因形态各样造成的影响外，系统能准确的分辨出破裂种，识别率达到了94％。 针对在动态多通道分选实验中应用三种分选算法时出现的问题分别进行了分析。对各子系统的性能和协调工作进行了调试，改进了系统的性能。 研究结果表明，利用机器视觉技术采集到的棉种表面信息全面，随着彩色面阵CCD摄像机性能的提高和成本的下降，将该技术应用在自动分选机上具有不容忽视的优势和前景。本研究构建的分选系统以及在其上的研究结果为进一步研究积累了经验，打下了基础。