我国是一个农业大国,同时又是一个人口大国,农业历来关系到我国政治稳定和经济繁荣的重要因素。随着对高质量和符合安全标准的农产品的要求的增长,人们对能准确、快速和客观的鉴定农产品的质量等的需要也在持续增长。近年来,国际上对基于计算机视觉技术的农产品质量检测的研究非常活跃。利用机器视觉技术进行农产品外观检测的关键技术是对农产品图像信息进行有效理解,并采用合适的图像分割方法。要准确提取农产品信息必须选取有效的图像特征提取方法和图像分割方法。本文针对伤疤苹果图像的特点,分析了苹果图像的颜色和纹理特征,提出了基于灰度和纹理组合的特征提取方法,并使用模糊自适应共振理论(Fuzzy Adaptive Resonance Theory - Fuzzy ART)神经网络进行聚类,然后通过图像平滑技术完成进一步处理,从而完成对苹果图像伤疤的提取。论文的主要研究工作包括:通过大量的文献阅读,将基本的图像特征提取方法、图像分割方法以及图像平滑方法做了总结和整理,并重点分类介绍了基于阀值分割、基于Otsu阀值分割、基于边缘检测分割、基于区域分割和基于神经网络的分割技术。分析了有伤疤的苹果图像的颜色特征和纹理特征,以及基于图像颜色特征的特征提取方法的不足之处,并介绍了基于颜色和纹理的特征提取方法,组成了特征向量。然后对抽取的特征向量进行了规范化和归一化处理,组成输入神经网络的特征向量。介绍了自适应共振理论(Adaptive Resonance Theory -ART),以及在此基础上演化而来的模糊自适应共振理论(Fuzzy ART),并对其网络结构和算法步骤做了详细的研究;采用灰度共生矩阵的方法,提取纹理特征,结合灰度特征组成模糊特征对Fuzzy ART神经网络进行训练,并根据训练结果对每个像素点分类的类别数进行标记从而完成初次分割,再对初次分割结果进行二值化处理,然后用中值滤波去除噪声,并将结果标记到原图,从而可以将苹果的伤疤部分基本分割出来。实现了苹果图像伤疤分割的系统,分析了影响分割效果的系统参数,并与一些经典的图像分割算法进行了比较,同时对结果进行了一定的分析。