随着现代农业对于智能化的需求日益增加,机器视觉在农业生产中应用越来越多。针对穴盘苗工厂化生产中人工分级移栽劳动强度较大的问题,本文研究了基于机器视觉的穴盘苗抓取及分级系统,用于实现移栽过程中穴盘苗的质量分级,从而指导移栽工作。论文的主要研究内容包括以下几个方面:首先,根据设计需求,明确系统工作原理,确定了系统总体设计方案,包括硬件结构的搭建和软件的设计,设计了硬件中用于抓取穴盘苗的机械手,搭建了机器视觉硬件系统,完成系统中其他硬件包括相机、镜头及光源等选型,使用图像处理技术对穴盘苗图像进行预处理,并构建深度学习数据集。其次,重点研究了两种穴盘苗图像分割算法,基于颜色的分割算法和基于深度学习的分割算法。对于基于颜色的分割方法,主要通过色彩空间转换、模板匹配以及形态学处理等手段实现穴盘苗正视图分割,通过超绿因子灰度化、阈值分割以及形态学处理等手段实现穴盘苗俯视图分割;对于基于深度学习的分割方法,主要通过构建基于SOLOv2的卷积神经网络分割模型,通过参数优化选取最优模型,一次性完成穴盘苗正视图和俯视图的分割;最后通过对比两种分割方法的处理效果以及处理时间,选取基于深度学习的分割方法作为机器视觉软件系统中图像处理的核心算法,该算法分割成功率达到99.39%,处理时间在190ms左右,完全满足使用要求。然后,研究了穴盘苗特征提取的方法,提取分割后的穴盘苗图像的株高、茎粗、茎秆倾斜度和叶面积四个特征,然后对样本进行人工分级,获取一定量的数据集,利用数据集训练SVM分级模型,完成对穴盘苗的自动分级。最后,在以上基础上开发软件,然后在分级移栽样机上进行试验,试验结果表明:分级正确率达到96.18%,满足使用要求。