近年来,我国不断推进农产品商品化进程,由于我国蔬菜产量巨大,这对农产品市场管理和农产品的供应链管理提出了挑战。目前,大部分农产品分拣管理仍依靠人工完成,不仅耗费了大量的劳动力,而且工作效率低下,严重影响了果蔬商品化的发展速度。本文提出利用计算机视觉技术,设计蔬菜识别模块,将劳动人员从繁琐的农产品管理工作中解放出来,提高劳动效率。计算机视觉技术是利用图像捕获单元和计算处理单元,替代人类视觉,对图像开展分割、分类、追踪等操作,分析统计图像的规律特性的综合性技术。本文针对溯源秤PLU码无法正确录入,导致无法发挥溯源功能这一问题,提出基于计算机视觉的技术进行蔬菜自动识别模块的设计及实现,为溯源秤系统的实际应用提供了自动化的解决方案。本文的主要思想是设计一个蔬菜识别模块,包括硬件环境搭建以及配套软件流程,完成蔬菜图像的获取、分割处理、特征提取以及分类识别功能,以替代溯源秤PLU手动输入的过程。本文的主要工作如下：(1)调研国内外学者在农产品识别领域的研究,分析讨论该方案的可行性。(2)根据溯源秤的具体功能需求,完成识别模块的硬件设计及搭建,软件流程设计等内容。(3)开发相应的软件功能,包括图像捕获、串口通信、图像预处理及分割、图像特征提取及识别功能,完整实现蔬菜的识别过程。(4)对24种时令蔬菜进行测试统计,验证模块的各项指标,分析其可行性与准确性。本文介绍了“蔬菜识别模块的设计及实现”项目,以实际应用为背景,对蔬菜图像特征+KNN分类器这一经典算法为出发点,设计实现了这套基于计算机视觉的蔬菜识别模块。该模块运行在CortexA9架构的i.MX6Q开发板上,强大的硬件性能保证了对图像计算处理的速度,整个系统运行时间约为2s,符合应用场景的需求。最终,本模块实现了高效、快速的蔬菜自动识别功能,各部分工作稳定,可实现图像采集、处理、识别、结果传输显示等一体化操作,为以后的蔬菜识别提供了一个有效可行的平台。