世界四大粮食中,马铃薯被专家称为可以拯救人类的粮食。其分布区域十分广泛,但目前在马铃薯的智能分选方面仍处于研究阶段,大部分地区依旧利用人工分选手段。在生产过程中,马铃薯品质会严重影响马铃薯深加工产业的实际效益,而对马铃薯进行品质分级,是进行工业化生产的重要前提之一。现有的机械分级方式大都容易对马铃薯的表面造成二次伤害,针对现有情况,开发出一种无损于马铃薯品质的快速分级方法,对目前来说尤为重要。本文设计了一种基于机器视觉技术的马铃薯品质分级系统,满足了马铃薯在表面缺陷、形状以及质量三个方面的分类要求,在保证了马铃薯品质分类准确率的基础上,在同一张图像上采集多个马铃薯样本信息,继而提高了分类的效率。为此,本文设计了一种基于视觉技术的马铃薯等级分类系统,包括以下几个方面:1)对马铃薯表面信息的完整提取,利用光滑的透明平板作为马铃薯放置平台,用RGB-D摄像头,对马铃薯进行上下两次采集,以获取到完整表面信息的方案。针对图像预处理环节,通过实际对比各个环节不同的算法,分析其效果,确定出最佳处理方案。本文采用的是中值滤波法去噪,利用canny算子进行边缘信息检测,再利用直方图阈值法分割,以及进行形态学上的开闭运算,为下面的缺陷检测和形状分类做准备工作。2)由于马铃薯表面缺陷具有明显的颜色特征,故提出了一种基于HIS颜色（色调、饱和度和亮度）模型的方法,检测马铃薯表面容易存在的各种外部缺陷;对于马铃薯局部表面可能存在的青斑,则利用了RGB模型。利用HIS和RGB两种颜色模型,实现了对于马铃薯不同类型缺陷的检测,最后进行缺陷区域标记。3)研究表面图像信息在马铃薯形状分类方面的应用,本文利用获取到的马铃薯表面特征,作为支持向量机（SVM）的相关参数,进行训练,实现马铃薯薯形分类目的的同时,提高了识别准确率。本文将马铃薯的薯形大体上分为类球形和畸形两类,平均分类准确率为95%。4)不同现有的多数马铃薯质量检测方法,本文利用RGB-D摄像头对样本马铃薯的二分之一部分进行了RGB和IR图像采集,结合3D点云重构技术,对二分之一的马铃薯进行点云重构,利用曲率约束法、反距离插值法、体素栅格法进行前期的数据处理工作,最后进行基于面片模型面积法的稠密重建,利用四面体网格结构法进行体积计算,结合马铃薯的密度一般稳定在1.0～1.2g/cm3,可以求出马铃薯样本的质量,实现马铃薯的质量分类。