枣营养价值高、经济效益好,近年来枣产业发展迅速,有些地区枣产业已成为农村经济的支柱产业,但采摘后的枣在商品化过程中,绝大部分仍采用人工分级或初级的机械分级,导致枣品质参差不齐、价格低、产品附加值低、出口量较小。针对以上问题,本课题采用机器视觉的检测分级技术,保证大枣的分级质量,增强大枣商品市场的竞争力,提高大枣产业的经济效益。本课题以灵武长枣为研究对象,通过机器视觉技术对大枣的表型特征和表面缺陷进行检测研究。本文主要研究以下内容:(1)采集大枣样本,分析大枣的外形几何参数。以GB/T 22345-2008《鲜枣质量等级》为基础,结合灵武长枣的自身特点,制定灵武长枣的分级标准。(2)提出了基于机器视觉的大枣分级设备的总体方案;通过对分级机各个机构的研究和分析,建立了大枣无损检测分级机的三维实体模型,并对整机进行优化。经研究和分析,将该分级机分为四个主要部分,分别为单体上料与输送系统、图像采集与检测系统、气吹分级系统以及传动系统。(3)根据灵武长枣的体型特点,提出了对长枣进行等效椭圆的外形检测方法。采用灰度化、中值滤波等预处理方法,经过边缘检测、背景分割,最后进行等效椭圆化处理。根据等效椭圆的长径、短径求出椭球体体积,由体积与质量之间的关系建立线性回归方程,以获得枣的质量。实验结果显示,所测大枣体积与质量的相关系数为0.9328。(4)提出了基于支持向量机的大枣表面缺陷检测方法。由于HSI颜色模型各分量互不相关、便于计算的特点,故选用HSI颜色模型中色调(H)分量的均值和方差作为特征参数。通过正交试验选出最佳的核函数和正则常数,建立基于支持向量机的大枣表面缺陷检测模型。经过试验验证,对测试样本缺陷的识别率达到94.6%。(5)根据实际的生产需要,采用模块化的设计思想,对系统功能进行模块化划分。通过Halcon12.0图像处理软件和VS2010编程软件完成大枣自动检测分级机的控制界面的设计。