我国农产品资源丰富,坚果种类众多,随着生活水平的提高,坚果已成为人们日常生活中必备的保健营养食品。目前在坚果检测方面,多数工业现场还采用人工或单一设备进行检测,检测出来的坚果品质参差不齐,且效率低下。为了获取质量等级较高的坚果,本研究以核桃坚果为例,设计出基于机器视觉的坚果尺寸与缺陷分类在线检测系统。该系统设计的主要目的在于如何使用机器视觉技术深入完善和改进对坚果尺寸和缺陷分类的检测方法,从而快速、准确地检测出质量等级较高的坚果,来满足人们对坚果食品的需求。该系统不仅可以提高检测结果的准度率,而且适用性较强,也可适用于其它种类的坚果检测。论文的主要内容如下:（1）图像处理部分,根据核桃坚果的外部特征,采用图像滤波、图像分割、图像填充、连通域划分等相应的图像处理方法,初步完成图像内目标区域与背景的分割出路,为后续核桃坚果尺寸与缺陷分类的实现打下基础。（2）尺寸检测部分,在分析图像处理方法的基础上,提出区域面积、偏心率以及最小外接矩形的几何特征提取方法。结果表明,该几何特征方法能够对核桃坚果外部轮廓进行有效提取。基于相机标定算法的分析,求解各个坐标系之间转换的关系,并对目标区域进行像素处理和拟合测量,从而得到像素距离。根据相机内外参数以及像素距离,求出对应世界坐标系下点的坐标以及对应的轮廓长度。结果表明,基于相机标定和拟合测量的算法能够快速准确地检测出核桃坚果的实际尺寸大小。（3）缺陷分类检测部分,以区分核桃坚果外部缺陷的特征种类为目标,对核桃坚果表面是否含有缺陷作进一步研究与分析,提出采用基于多元自适应平衡Tr Ada Boost算法和启发式算法相结合的迁移学习方法。该方法根据领域之间存在的相似点,将已研发的某领域的数据应用在未研发的领域上进行学习,也就是将现有的模板进行一定的修改再应用到其他相关的任务或问题中。与KNN、SVM、CNN以及BP等神经网络方法相比,该方法在图像分类过程中,不需要对大量的数据集进行标记,不会对产生的结果过度拟合,具有高效率高精确度等优点。结果表明,该方法能够有效控制数据差异对准确建立训练模型的影响,从而为系统安全可靠运行以及维护决策等方面奠定基础。（4）系统平台设计与实现,以工业相机为图像采集设备,工控机为数据传输与处理中心,控制器操纵控制台工作,采用TCP/IP协议和串口通信进行数据传输,设计出坚果尺寸与缺陷分类在线检测系统平台。结果表面,该系统能够实现对核桃坚果的尺寸和缺陷进行高准确率、高效率的在线检测。