随着现代化农业的快速发展,农业生产方式逐渐向机械自动化、生产规模化、管理精准化方向发展。目前,人工方式存在劳动强度大、生产效率低、生产规模小等诸多弊端,为了提高生产效率和自动化程度,须积极研究农业机器人技术应用,提高农业林果现代化生产管理科技含量。果实识别是农业机器人技术中机器视觉部分需解决的一个关键问题。对柑橘识别,现阶段主要集中在果实与背景色差区分度较高的果实识别;从柑橘成熟过程来看,整个过程涉及柑橘的病虫害管理、生长状态评估、机械化采摘等,各阶段均需对图像进行识别,柑橘表皮颜色从深绿色、黄绿色向橙黄色变化,果实与背景色差区分度存在变化,识别的难度也随之增大,寻找有效的识别方法是识别过程的重点。本文主要研究复杂自然环境条件中树上不同成熟度柑橘的识别。首先,在不同光照、不同成熟度条件下,研究了不同色差因子提取柑橘区域的有效性,并进行对比分析;提出了Sobel梯度与色差融合的方法,该方法能完整、有效地提取柑橘区域;然后,选取该色差,采用最大类间方差法对图像进行二值化分割。其次,针对二值化分割后的果实区域存在粘连现象,需将粘连区域进行分离,以得到单连通的柑橘果实区域,研究了各种边缘检测算法的提取边缘的有效性及连续性,提出了Sobel与Canny融合的边缘检测方法;研究了分水岭分割方法提取的分割边界的特点,提出了改进的分水岭分割方法;然后,本文提出基于边缘提取与分水岭分割相融合的分割方法分离粘连果实。最后,对二值化提取的柑橘区域,存在部分误识别现象,本文提出采用方向梯度直方图(HOG,Histogram of Oriented Gradient)特征与支持向量机(SVM,Support Vector Machine)分类方法消除误识别,以提高识别率。