在工农业生产中,通常需要统计一些类圆颗粒的数量,如测定粮食和油料等农作物千粒重。人工计数是最原始的方法,由于长时间计数,容易导致人眼极度疲劳,严重影响了检测的效率和准确率。在要求快速准确计数的场合,其局限性更为突出。针对此现状,为了提高计数的准确率和效率,并且实现自动化这一目标,急迫需要开发出能够对农作物颗粒数量进行自动测定的系统.本文对若干数量的农作物类圆颗粒进行拍照,在提取出的目标颗粒图像中,总存在着影响计数精度的深度粘连和复杂重叠的颗粒群。为了提高计数准确率,本文提出了一种基于图像识别与分类的智能分割算法:首先对原彩色图像预处理和初次分割,标记出所有重叠的颗粒块区域。采用凹点收搜法和点Hough变换提取颗粒区域的的凹点和质心等几何形状特征,并计算出不变拓扑形状特征量欧拉数,建立颗粒重叠类别特征数据库。采用支持向量机分类法训练学习后,识别样本区域中颗粒的各种重叠类型,并自动将其分为串粘连、多个并粘连和两层并重叠等三种模型。针对上述三种类型,根据相应的分割规则将所包含的凹点配对后,构建最优分离线,实现对深度粘连和两层重叠的颗粒准确分割,并且统计颗粒的个数.本课题以黄豆、绿豆等农作物为对象进行随机试验,实验结果证明本系统对颗粒重叠类型的识别准确率达到99.8%,实现重叠颗粒分离后,计数误差率不超过0.5%。实验研究表明,该计数方法应用于统计农作物的颗粒数量时,计数精度较高,抗干扰能力强。本论文结合机器视觉技术和图像处理技术来实现类圆颗粒图像计数。对支持向量机分类算法进行了综合研究,为实现对深度重叠的类圆颗粒分割提供了理论支持,有效解决了对深度重叠颗粒分割这一难题。以DM643作为主处理器类圆颗粒分割和计数系统,在农作物颗粒千粒重测量以及生物医学中细胞的数量统计和识别等领域有着广泛的应用前景。