我国是世界上最大的大蒜生产国和出口国,但我国大蒜出口以初级商品为主,导致出口产品价格低廉,经济效益大打折扣。为了提高出口大蒜的附加值,需要完全切除大蒜根须。由于目前国内外研究和生产单位对大蒜的机械化研究主要集中在大蒜的播种和收割,造成大蒜切须工艺没有较好的自动化设备与之相配套,所以依然借助人工才能彻底去除大蒜的根须。因此研发适用于大蒜深加工的自动化切须设备具有重大意义。为了实现自动化精准切须,减少对大蒜果实部分的损伤,精确、快速地获得大蒜根部位置形状尺寸信息成为关键工艺。本文结合大蒜深加工中的实际切须工艺需求,利用实时采集的大蒜典型外形尺寸参数预测大蒜根部形状尺寸。研究内容涉及了大蒜样本的图像获取方法、图像预处理、图像分割、特征提取和预测识别算法。首先本文通过分析采集图像的颜色空间模型选择RGB颜色空间中的R通道图像进行图像分割,然后基于大蒜图像的特点,设计阈值插值分割算法和基于形态学圆形度循环分割算法实现了对大蒜果实区域的分割。提取所有大蒜样本图像果实区域的12个绝对形状特征建立大蒜特征训练集,通过建立回归预测模型,实现大蒜蒜胡周长的预测,并完成实验测试。测试结果表明,所建立的BP神经网络模型的预测值与实际值之间的平均绝对百分比误差为3.59%,SVR模型得到的平均绝对百分比误差为4.62%,两类预测模型可实现对大蒜根部蒜胡周长的预测,表明这些形状特征作为预测变量的有效性。研究结果可为大蒜的精准自动化切须提供数据支持。