随着我国农村经济的快速发展,为提高我国马铃薯在市场上的竞争力,马铃薯分级已成为农业生产和农产品深加工急需解决的理论和技术问题,探讨和研究马铃薯分级理论和技术,不仅可减少人工分拣的劳动强度和二次损伤,提高其档次和增加附加值,而且有利于进一步的深加工,提高资源的利用率。本文利用机器视觉技术主要从图像获取与预处理、形状检测、质量检测、表面缺陷检测四个方面对单个马铃薯的静态检测分级进行了研究。1.图像获取与预处理是图像处理的基础环节,直接影响图像质量,进而影响分级的效果和检测的准确性。本文设计了以白色为背景的光照系统,并采用B通道灰度化、中值滤波、双峰法和数学形态学的方法对马铃薯原始图像进行预处理。2.在形状检测方面,以区域的等效椭圆为基础,提出了两个表示马铃薯形状的参数R和C,并利用改进的BP神经网络进行分类,将马铃薯分为椭球形、球形和畸形,其准确率为94.7%,与人工分级的一致性很高,能够满足实际检测的要求。3.在质量检测方面,为了提高图像处理系统的速度和马铃薯质量检测的准确性,本文设计了以单片机和称重传感器为核心的马铃薯质量检测系统。检测到的质量通过串口发送到PC,然后进行质量的分级。4.在表面缺陷检测方面,提出了基于R、G、B三个分量的标准差进行马铃薯暗色部分缺陷分割的方法和一种以欧氏距离为标准进行马铃薯绿皮检测分割的方法。本文结合上述两种方法进行马铃薯外部缺陷的检测分割,并通过计算缺陷面积与整个马铃薯区域面积的比值来进行外部缺陷的检测和判定,对有缺陷马铃薯和无缺陷马铃薯检测的准确率分别为94%和90%。