二十一世纪以来,人工智能迅速发展。针对传统的蔬菜分拣设备存在的效率低、精确度低下等问题,本研究尝试以机器视觉技术作为无损检测手段,以非多重叠叶菜为研究对象,在大量试验和工作的基础上,对成盆叶菜进行分析,实现成盆叶菜菜品质量的有效判别预测。本文的主要研究方法及内容如下:1.通过分析成盆叶菜的颜色与形态,建立成盆叶菜色泽与形态变化的动力学模型,通过对比感官评价与多变量动力学评价模型,得出影响成盆叶菜质量的特征因子,并对成盆叶菜叶绿素含量与特征变量进行回归分析;2.通过图像采集,图像预处理,得到成盆叶菜的运动目标检测图像,并且进一步进行图像的分割与兴趣区域的获取;3.运用图像处理相关技术,对前面得到的兴趣区叶菜图像进行形态特征、叶面积特征以及颜色特征的相关参数提取。运用CNN深度学习神经网络对叶绿素含量定量预测,进而实现对叶菜品质度的等级判别;4.将基于机器视觉技术的多质量检测融合方法应用于成盆叶菜质量的检测,以获得更好的检测效果。设计一套适用于成盆叶菜的质量分级分拣系统,以实现叶菜质量识别与自动化分级分拣。将卷积神经网络用于叶菜的分级研究中,不仅节约了成本和资源,同时提高了机器自动分级的精度,使得生产效率和产品质量大幅提升。本研究也为成盆叶菜品质无损检测设备的研发提供了数据基础,这对提高我国叶菜产品加工业的自动化水平,开发出我国农业蔬菜领域付诸应用的智能分拣系统具有十分重要的意义。