研究和开发苹果自动实时分级系统,选出高质量的水果,为国家创取外汇,在我国具有重要的经济价值和广阔的应用前景,目前国内外研究比较多的是农产品苹果的品质检测。在苹果品质检测方面,国外在某些品质检测(如大小、形状、颜色、表面缺陷等)项目已经商品化,并能达到实时速度。在国内,苹果的品质检测研究从90年代才开始,仅停留在外部的品质检测上,且远没达到实时检测分级的水平。我国苹果的生产在整个农产品的生产中占有很大的比例,是重要的外贸出口产品。但由于产后处理不够,使得外销苹果的品质难以保证,在国际市场上缺乏竞争力。其原因首先是检测与分选的手段落后,在我国苹果分级基本上仍由人工完成。人工分级的缺点主要有:劳动量大,生产率低,分级标准难以实现,分级精度不稳定。因为在苹果分级标准中,着色面积和缺陷面积的量度,仅凭人的视觉难以精确区分,且人长时间用眼,会造成疲劳及情绪的不稳定,从而造成分级误差的波动。本文以计算机视觉为主要手段,利用模式识别技术来检测苹果伤疤,重点在苹果伤疤的特征提取和分类识别技术进行了研究,本文的主要贡献在于以下几点:①在苹果图像预处理阶段,本文主要采取了中值滤波除去噪声,改善了图像质量,降低了计算复杂度,从而有利于提高后续算法的实施速度和收敛速度。②在特征提取阶段,本文讨论了苹果伤疤局部特征的提取方法,包括颜色特征、纹理特征、灰度共生矩阵以及尺度不变性的特征变换(Scale-invariant feature transform, SIFT)提取方法,并重点介绍了本论文中所采用的基于尺度不变的局部特征(SIFT)变换方法。③在分类阶段,本文介绍了基于支持向量机(Support Vector Machine, SVM)在苹果伤疤分类中的应用。为了识别的精度,本文分两步进行识别,先把图像分成小窗口,进行窗口检测;然后把检测的小窗口合并,再进行形态学处理以填充可能存在的空洞;最后再通过在大尺度空间里检测苹果伤疤的关键点,把有关键点的区域给标记出来。通过这个方法可以很好的对苹果伤疤的识别。最后对全文内容进行了归纳,提出了若干有待进一步深入研究和探讨的问题。