我国虽是肉鸡生产大国,但对于肉鸡产品检测及分级方面的研究起步较晚,在技术方面与国外相比仍具有较大差距。国内大型肉类加工企业大都通过引进国外高价设备提升生产效率,而我国大多数中小型企业仍采用人工进行流水线上肉类外部品质的检测及分级。人工检测速度慢且长时间进行机械工作人眼易疲劳,很容易造成产品错检、漏检。本研究以肉鸡分割产品鸡翅为研究对象,致力于研发基于机器视觉的鸡翅品质与重量快速自动分级技术,将机器视觉技术应用于鸡翅外部品质快速无损检测并设计一种鸡翅在线称重分级系统,提高鸡翅分级效率。研究重点体现在以下四方面:（1）研究一种鸡翅淤血部分的提取方法。利用数字图像处理技术,将采集到的静态鸡翅图像经灰度化处理、阈值分割及形态学去噪等预处理操作,实现鸡翅淤血部分分割。（2）建立鸡翅外部品质快速无损检测模型。通过鸡翅颜色提取图,基于HSV颜色空间模型对鸡翅图像的颜色累积直方图进行统计,计算H-S2量化值为3、4、5时的像素比值和,若淤血颜色占比超过设定阈值,则判定为淤血鸡翅,从而实现淤血鸡翅与正常鸡翅的识别分类。（3）研究一种鸡翅在线自动称重及分级方法。正常鸡翅经重量检测后,单片机实时接收检测到的鸡翅重量信息并进行处理分析,判定鸡翅级别并控制对应机械臂将鸡翅扫入收纳箱。当收纳箱中的鸡翅数量达到预设值时,箱底自动开启,使鸡翅连续收纳并定量转储。（4）搭建一套鸡翅品质与重量分级系统平台并进行试验验证。平台主要包括视觉处理、自动称重以及智能分级三大部分。对样本鸡翅进行分类和分级测试,对错检率、漏检率、分类准确率、分级速率及分级准确率进行测试验证其作业质量。样机试验测试结果表明:鸡翅识别分类正确率最高为100%,最低为98%,平均准确率为98.8%;错检率最高为2%,最低为0%,平均错检率为1.2%;平均漏检率为0%。传送带带速为0.6m/s时,鸡翅处理速度为7025只/小时,平均分级准确率为97.8%。本研究成果有望为我国开发具有自主知识产权的肉鸡甚至家禽分割产品的加工自动化装备提供相关理论依据与技术支持。