苹果分拣技术根据苹果的尺寸、形状、颜色和质量等特定特征将苹果分为不同的等级。将机器视觉技术应用到分拣技术中,相机实时采集传送带上的苹果图像,图像处理获取其图像特征信息,计算尺寸大小及颜色纹理等视觉参数,实现苹果损伤检测与等级分类,对解放劳动力、提高分拣效率与准确性具有重要意义。以苹果分拣技术为出发点,以机器视觉、图像处理、纹理描述和机器学习等技术或方法为媒介进行苹果尺寸测量和品种分类等研究。主要研究工作如下:根据光学系统的选型要点,对相机、镜头和光源进行了选型,建立了基于苹果图像采集的机器视觉系统。描述了由径向畸变、切向畸变和薄透镜畸变构成的畸变模型。使用张正友标定法实现畸变矫正得到相机内参,用于苹果像素尺寸向物理尺寸的转换。实现了苹果边缘提取和尺寸测量。将苹果的RGB图像灰度化,使用双边滤波器对灰度图像去燥,根据此梯度信息使用Canny算子检测苹果边缘。使用种子填充法填充闭合边缘的内部,然后形态学开操作消除背景图像的噪点,最后Sobel算子提取二值图像的边缘。获取苹果边缘点坐标信息后使用改进的霍夫变换检测和苹果拟合度最高的圆。根据圆的尺寸和标定后的物理参数估算苹果的体积。提出了基于Gabor纹理特征的SVM分类和Res Net神经网络的苹果有损检测与品种分类方法。在RGB颜色分量的基础上提取Gobar纹理的均匀度和对比度特征,尺度参数和方向参数为(3,3)。对“红富士”、“黄元帅”、“表面有损”的苹果进行样本标记,根据样本数量合理分配训练集、验证集和测试集的比例大小,利用第4章边缘提取方法去除图像背景的干扰。分别使用SVM分类器和Res Net网络进行分类训练。图32幅;表4个;参52篇。