在发展生产保证供给的社会主义大市场中,农产品的品质检测存在许多空白,农产品的品质低下已经严重影响我国农业生产的发展。大豆等农产品在线检测技术在农产品的品质控制中具有重要的现实意义,该技术可以广泛应用在颗粒状农产品如花生、玉米等的在线异物检测中,是提高我国农产品市场竞争力的有力手段之一。本文首先概述了国内外大豆等农产品基于机械、电磁效应和机器视觉在可见光、激光以及近红外成像检测在线异物识别系统的研究和应用现状。论文研究了适合农产品检测的嵌入式机器视觉平台,建立了以RGB颜色空间各分量色度值为提取特征,以其拟合的正态分布概率密度函数作为判别基准的模式识别模型。在大豆等农产品在线检测系统中,本文提出了机械初筛和DSP的嵌入式机器视觉筛选相结合的检测系统整体方案设计。作者对系统相关的硬件进行了比较和选型,该系统由筛筒、传送带、光学系统、图像数据采集系统、实时图像处理系统和异物自动剔除系统等部分组成。然后根据DSP算法实现流程,作者详细讨论了识别算法在TMS320DM642EVM板上的实现。系统软件部分首先由Matlab进行仿真模拟,然后通过C和C++语言在DSP开发环境Code Composer Studio下编写和调试。最后论文做了利用大豆近红外分光反射特性进行异物检测的可行性分析。实验表明,论文提出的异物识别方法可以采用先进的DSP予以实现。在实验中对霉变大豆,褐变大豆以及其他病变豆识别率在85%以上,但是对于某些对大豆表面损害并不严重的虫咬豆,漏判比较突出,尚需改进。在近红外分光反射特性的检测实验中,选择5200cm-1～6000cm-1波段为大豆与异物的差异敏感波段,大豆和异物在此波段光源下的图像对比度差异较大,可提高识别率,减少漏判值得进一步研究。