食品分拣系统是一个涵盖机械、光电、图像处理等为一体的自动化分拣系统。在食品加工生产线上,分拣系统能够对物料进行自动分类。这种分拣系统自动化程度高,安全、准确、高效,将劳动力从传统的手工分拣中解放出来,极大提高了生产效率。当前,很多国内企业都是直接进口国外的分拣设备使用。但是,我国食品行业品种繁多,进口设备并不能满足国内企业的需求,而且设备价格昂贵。这种情况下,急需开发出自己的食品分选系统,以满足行业的不同需求。本文尝试采用图像处理和模式识别的方法对虾仁食品实现自动分选。提出了虾仁图像的三级分割算法,包括基于背景颜色集的分割、自适应阈值分割和基于轮廓凹点的分割算法三个级别。通过一系列预处理,对分割后的图像进行特征抽取,抽取的特征包括：基于HSV颜色空间下的颜色直方图特征和基于梯度统计的形状特征。计算两种特征各自的平均分选精度,来确定特征线性融合系数。然后选择k近邻分类器对特征进行分类,并在仿真平台上给出分类结果。最后介绍了分选算法的系统应用,包括硬件平台构成、基于硬件特性的分选算法改进以及系统完善性工作等。算法在实际应用下进行了分选性能测试,分选后正品框正品率达到91.1%,杂物框杂物率达到77.6%。由分选结果可知,算法稳定、可靠,基本达到预期的目标。