机器视觉是“精准农业”的好助手。相比传统检测,结合机器视觉技术的农产品无损检测的优势体现在快速、高效、精准等方面。近年来,农业部推进马铃薯主粮化战略,马铃薯作为重要的粮食作物,其品质检测方法还有待完善。因此,本文针对马铃薯品质检测方法,从实际应用出发结合机器视觉技术,汇总分析了马铃薯品质检测中影响较大的指标并对其进行研究。本文具体研究内容如下:1.首先选择来源合适的马铃薯、搭建机器视觉采集系统箱以及选择系统摄像机标定方法,以保证马铃薯样本图像的信息完整。接着通过图像预处理获得较为清晰的图像。2.研究马铃薯的质量检测方法,目的是建立马铃薯质量检测模型。首先推导出马铃薯面积和质量之间、周长和质量之间的数学模型。通过对比发现马铃薯的质量和面积因素的相关程度较高。因此,提出了双角度面积模型法,实验结果表明,该模型不具备普适性。最后采取三个角度测量面积,来拟合多角度质量模型。该模型对于马铃薯形状要求不高,具有较强的适用性,基本可以达到生产加工的实际需要,本文选取该模型作为马铃薯质量的测量模型。3.研究马铃薯的外部缺陷检测方法,首先介绍了马铃薯常见的外部缺陷,针对三类马铃薯外部缺陷分别提出了三种检测方法。对于第一类表皮亮度较低的缺陷马铃薯提出了基于HSV颜色空间的检测法;对于第二类缺陷部位的颜色明显区别于正常表皮的青皮马铃薯提出了基于RGB颜色空间的检测方法;对于第三类复杂病变马铃薯,提出了基于SUSAN算子的检测方法。实验结果表明该方法检测精度较高,复杂缺陷部位能够被较好地识别标记。4.研究马铃薯的薯形分类方法,首先将马铃薯形状分为类圆形、椭圆形、畸形三类。选取了10个Hu不变矩提取马铃薯的特征参数。在薯形分类阶段,利用综合学习粒子群算法对支持向量机核函数参数进行优化,使分类效果达到预期值。5.移植搭建基于马铃薯品质检测的方法的嵌入式系统。本文进行系统总体设计时,首先选择Zybo Z7-20开发板作为本次设计的硬件开发平台。接着用Vivado HLS软件将图像预处理算法封装成IP core,编译工程生成启动文件。然后进行软件部分的移植和搭建,机器视觉库的调用以及操作界面的设计等,最终能够实时显示马铃薯检测结果。该论文有图52幅,表18个,参考文献84篇。