近年来,随着我国经济的快速发展和人们消费水平的普遍提高,葡萄产业得到了很大的发展,葡萄已成为我国最受欢迎的水果之一。但是我国葡萄商品化处理程度低,一直制约着葡萄产业向规模化和产业化的方向转变。葡萄为穗状结构、果粒较多、果实柔软、易碰伤,故葡萄产后加工存在较大困难。目前,我国绝大多数地区仍采用人工分级方法,利用简陋的工具根据经验分级。人工分级效率低下、成本高、强度大,因此,市场迫切需要葡萄品质在线检测分级技术及装备。本文以葡萄的一个品种—红提为研究对象,运用机器视觉技术,建立了红提果粉附着率和红提果粒尺寸的在线分级模型,设计了一套红提在线检测与分级硬件与软件系统,具体研究内容如下:(1)搭建了红提图像采集试验平台。在一个试验用环形运输线上,搭建红提图像在线采集装置,设计了尺寸大小为600×450×450mm3的暗箱,暗箱顶端的切槽保证了夹持机构的持续运输,暗箱内的光电传感器感知红提串并触发相机,实现红提图像的连续采集;分析对比了多种不同光源的优缺点,选用了环形光源和前光源的照明方式;为能够同时提取红提形态轮廓和颜色特征,选用了能同时获取红提彩色图像和近红外图像的工业相机和镜头。(2)研究了红提果粉附着率等级的判别方法。在图像的预处理阶段,采用了归一化超绿法,去除了红提图像中的绿色果梗信息的干扰;采用交互式取点的方法,提取了果粉及果肉区域的颜色特征,分别采用朴素贝叶斯、BP神经网络和SVM支持向量机的方法建立了果粉的判别模型,通过比较发现,SVM支持向量机模型检测时间短,预测准确率高,应用于果粉的在线识别可行。通过对比人工的分级结果,红提果粉附着率的分级准确率为93%。(3)研究了红提果粒尺寸检测和分级方法。采用了基于形态学的开闭重构和局部极大值的方法,采集到近红外图像每粒果粒表面光斑位置,获取果粒中心位置坐标,完成果粒的粗定位。采用梯度分割算法,获取每粒果粒轮廓像素点,但一些轮廓重叠严重的像素点仍会干扰目标果粒的拟合,因此设计了一种随机最小二乘的椭圆拟合算法,提取目标果粒尺寸,并完成果粒的精确定位。经过与人工实测分级结果的验证,本研究设计的红提尺寸检测和分级准确率为91%,实现了整串红提果粒大小的自动分级。(4)针对红提果粉和尺寸的检测和分级模型,设计了基于机器视觉的在线控制系统和检测软件。在线控制系统主要包括了电机控制系统和图像采集控制系统,分别实现了环形运输生产线速度的实时控制和红提图片的在线采集。在线检测软件是利用VS软件中MFC控件设计的,其主要功能包括了上位机的协议设定、实时显示红提图像、监测串口通信状态和获取红提果粉和尺寸模型的分级结果等。(5)设计了一套红提在线检测分级流水线装备。流水线装备主要包括输送装置、图像采集装置、分级踢出装置和分拣装置。输送装置采取了环形悬挂输送链式的设计方法,保证了红提运输的稳定性,模拟了实际生产应用的场景;设计了具有棘齿自锁功能的夹持机构,方便了红提上下料过程,减少了人工工作量;设计有固定缺口形状的分级踢出装置实现了对红提自动连续的分选;设计由多个皮带滚筒组合成的分拣装置,实现了对应等级的红提分拣。