我国是农业大国，发展农业生产，增加农民收入是解决“三农”问题的关键。对农产品进行产后加工、品质检测是确保农产品品质、提高农产品竞争力、实现农民增收的有效途径。传统的破坏性检测方法费工、费时，检测结果受检测人员主观因素影响大，并造成大量经济损失，为解决这一问题，有必要实现农产品品质的快速、客观和无损检测，它也正成为当前研究的热点。本论文提出了利用X射线成像技术对农产品内部品质进行检测的思路。以板栗和苹果(分别作为坚果和水果的代表)为对象，融合X射线成像技术和图像处理技术对其内部品质进行无损检测。论文的主要内容如下： 1.根据X射线探测器成像原理和结构，完成了X射线探测器成像校正；针对板栗、苹果两种物料，通过试验，确定其品质检测试验最佳参数。板栗检测最佳试验条件：电压65KV、电流0.6mA、积分时间2.22ms、传送速度18.02cm/s;苹果检测最佳试验条件：电压70KV、电流0.75mA、积分时间2.22ms、传送速度18.02cm/s。 2.讨论板栗X射线图像的去噪方法，确定采用3×3的高斯滤波器对图像去噪；采用自动阈值法结合二维插值生成自适应阈值图，分割病害图像，结合形态学处理，提取病害区域面积，设定阈值，判定板栗内部品质。判准率达91.8％。根据板栗分级标准，提取板栗图像灰度参数，建立板栗重量预测模型，模型预测相关系数R2=0.924。 3.采用Laplacian-Gaussian(Log)边缘检测算子获得苹果碰伤边缘图像；采用巴特沃斯高通滤波器和Ostu阈值分割法分割出苹果腐烂、褐变区域图像；针对苹果水心特点，采用苹果正负片图像相减法增强图像，利用局部阈值法分割苹果水心。提取苹果水心的5个特征：苹果图像初始面积Si、苹果图像初始平均灰度Via、水心区域面积So、初始图像的水心区域平均灰度Voa和水心区域与苹果面积比R。并以此作为输入向量建立苹果水心的k-近邻法和BP神经网络分类模型。结果表明，5×5×1的BP神经网络分类模型分类效果较好，预测准确率为84.2％。 本文对板栗、苹果内部品质的快速无损检测做了基础性研究，给农产品内部品质检测提供新的思路，对农产品品质的综合检测具有指导意义。