在我国，水果品质检测大部分仍停留在靠人工感官进行识别判断的原始阶段，这种主观判定效率低，误差大。导致了我国出口水果外观质量较差，在国际市场上缺乏竞争力。与人工感官相比，计算机视觉检测具有速度快、信息量大、检测准确的优点。 基于计算机视觉技术的芒果分类系统主要由信息获取、预处理、图像分割、特征提取和分类器设计组成。 信息获取主要是读入标准化的图片，预处理是对图像进行滤波以增强图像，本文采用符合人眼对颜色感知的HIS颜色模型并对亮度通道Ⅰ进行中值滤波，用最大方差法计算图像分割所使用的阈值。 在特征选择方面，本文采用次优搜索算法和分支定界算法搜索用于分类的特征，实验结果证明只有分支定界算法能够保证搜索到的特征是最优特征。为了提高搜索效率，本文又提出了改进的分支定界算法。实验证明改进的分支定界算法比传统的分支定界算法搜寻速度提高很多，而且随着特征个数的增加，有效性越来越明显。 对于分类器的设计，本文采用了三种方法：C-均值法、最近邻法和线性函数法。C-均值算法不需要学习样本，但是分类误差比较大，这是因为它受初始聚类中心的影响；最近邻法和线性函数法需要学习样本，为了解决在小样本条件下兼顾学习样本和测试样本的问题，本文提出了留一法。实验证明最近邻法分类效果较好，而且比较简单，在保证学习样本数量的条件下，线性函数法效果最好。