我国是一个人口大国，而我国的人均耕地面积却远远低于世界平均水平，农业产值很低，提高农产品产后处理水平是增加农业产值的主要方法之一。进行农产品自动检测与分级可以大大提高农业产值，而计算机视觉代替人的视觉进行农产品自动检测与分级具有不言而喻的优越性。主要研究工作的总结如下： （1）建立了描述番茄与其图像相互关系的数学模型，并把对图像的处理变成对矩阵的各种操作。通过大量的实验研究，选择环形白炽灯作为光源，选择白色作为背景组成光照箱，可以得到有利于后续处理的图像；并发现在B分量上，两峰间的距离最大，所以用B分量确定阈值T；同时在光源与物体之间加上柔光片，较好的去除了番茄表面的镜面反射。建立一套适合番茄等农产品进行品质自动检测与分级的计算机视觉硬件系统。 （2）研究了图像处理窗口确定、去除噪声、图像分割、边缘提取、边缘细化等多种低层处理的方法。利用区域阈值法对所采集图像的B分量进行图像分割；用快速中值滤波法较好地去除图像采集过程中受到的各种噪声干扰；用边缘线追踪法提取物体的边缘，可以得到最宽只有2个象素宽的图像边缘；用Hilditch细化方法得到单象素宽且光滑的图像边缘。所研究的图像低层处理方法能满足进一步进行番茄特征提取和模式识别的要求。 （3）建立用遗传算法训练的多层前馈神经网络对番茄的成熟度进行判别，并与用BP算法训练的神经网络进行比较。遗传算法无论在训练次数，还是在判别准确度上都明显优于BP算法。提出用圆度特征、果径变化特征、比值特征描述番茄的形状。采用番茄最大横径处面积估测番茄重量的方法，该方法估测的番茄重量与其最大横径处面积的相关系数可达0.9872，测试精度可达99％。 （4）利用VC++6.0设计番茄自动检测与分级的应用软件，包括文件、图像采集、图像低层处理、特征提取、网络训练、分级等六个模块，并能显示最终的检测与分级结果。实验证明番茄分级的准确度不低于90.5％，对番茄进行分级的最长时间不超过18.37秒。 本论文的研究结果对提高我国在本领域的研究水平，促进计算机视觉在我国农业工程领域的应用具有积极的意义。