苹果果形是评价苹果品质的一个重要指标。为提高果形判别的准确度和效率，本研究首次采用主动形状模型(Active Shape Model，简称ASM)的方法进行苹果形态分级。根据试验确定苹果的最佳轮廓特征点数为36，并对不同形状的苹果进行计算机自动标定、校准，运用主成分分析法获取不同形状的苹果模型，然后将模型与实际苹果进行灰度匹配，提取像素数目比等特征参数，实现苹果分级。试验中将苹果分成9个等级，分别为一级果，二级果L，二级果R，二级果U，二级果D，三级果L，三级果R，三级果U，三级果D(L、R、U、D分别为英文单词Left、Right、Up、Down的首字母，代表左、右、上、下)。神经网络方法采用基于傅立叶描述子的BP神经网络，取前9次谐波的辐值作为形状特征参数，输入BP网络进行训练。应用结果表明：与传统的BP神经网络方法相比，基于ASM方法的苹果果形分级效果较好，判别准确率高达95％，且直观性强、鲁棒性好，具有较好的灵活性。　　 为提高ASM方法的通用性，本文采用了一种多分辨率主动形状模型(Multi-Resolution ASM简称MR-ASM)的改进方法，此方法消除了图像的噪声影响，大大提高了ASM的抗干扰性，因而为农产品无损检测和分类提供了一种新的方法。