小麦作为我国三大粮食作物之一,在储存过程中发生品质变化的小麦可达4℅,由此可见对小麦进行品质检测的必要性。为了提高小麦品质检测的效率,本研究采用机器视觉技术对小麦不完善粒进行识别分类。在硬件部分使用线扫相机,使得小麦能在传送带上实现运动成像,从而达到了小麦检测的实时性；并设计了小麦单粒化装置,可以较好的解决小麦的黏连问题,有利于小麦后期的特征提取。本研究首先采用均值滤波对图像进行预处理,在H 通道上对小麦进行阈值分割；然后针对每粒小麦,提取了其9 个形状特征,6 个颜色特征和4 个纹理特征；最后通过构建BP 神经网络对小麦进行识别。试验结果表明：小麦赤霉病的识别准确率为80℅,虫蚀粒为87℅,黑胚为86℅,破损为80℅,正常麦粒为88℅,可有效对小麦进行识别。