玉米是中国的主要农作物之一，在食品、饲料等行业中的应用广泛，玉米种子纯度直接关系到作物的质量与产量。目前，玉米纯度的鉴定主要依靠生化电泳、色谱分析、荧光检验和DNA分子标记，这些方法虽然识别精度很高，但是检验过程繁琐且周期较长，不适合对种子进行批量快速检验。利用机器视觉技术进行玉米种子纯度研究，实现玉米种子纯度自动、无损检测，对提高种子纯度检验的技术水平，促进玉米种业的健康发展，具有非常重要的意义。本文研究了利用机器视觉技术对玉米种子的纯度进行识别的方法。主要研究内容如下：（1）本研究构建了基于机器视觉的玉米种子纯度检测系统。为提高图像采集质量，设计了拍摄条件均一稳定的暗箱作为拍摄环境。光源是采用大面积漫反射光的四面无影灯光源。在图像采集过程中，采用与玉米种子颜色对比度较大的黑色作为拍摄背景颜色。（2）结合玉米种子冠部图像特征提取的实际要求，对图像进行了预处理。首先进行了灰度处理；在图像增强上，与直方图均衡，均值滤波进行对比分析后，采用中值滤波算法进行去噪；在图像分割上，应用阈值分割与区域生长算法，实现了背景与目标玉米种子冠部图像的分离，进而分离得到单个分离的目标图像。（3）根据玉米籽粒的粒型不规则特点，选择玉米籽粒冠部区域作为研究对象，研究该区域色彩特征，从背景分割后的图像确定玉米种子冠部核心区域，提取了9个颜色特征，包括RGB颜色模型、HIS颜色模型和Lab颜色模型各分量均值。为降低特征向量维数，提高识别速率及优化特征选择，对上述9个特征向量进行分析。计算得到各特征参数正态分布函数的均值、均方差和变异系数。变异系数说明样本内均值差别程度，均方差表征特征值与均值离散的程度，即杂粒与正常杂交粒的偏离程度。经分析，选取H、S、B作为识别特征向量，并发现其三维分布点存在密度差异。（4）建立以H、S、B作为特征向量的三维空间模型，针对密度分布差异，提出基于最远优先遍历优化的DBSCAN玉米纯度识别算法。该算法通过最远优先遍历方法优化数据，将边缘异常散点剔除，经DBSCAN对高密度区域进行局部聚类，最后合并聚类区域，得到纯度识别结果。（5）选用农大108、郑单958、浚单20和鲁单981等4个品种的玉米种子作为试验样本，将上述方法和模型转化为实际算法，进行基于冠部核心区域颜色特征的纯度识别验证。结果表明，本文提出的方法切实可行，正确纯度识别率可达到93.3%，远远优于传统DBSCAN算法。