玉米种粒在生长、收获、脱粒、贮藏、运输过程中会因生长缺陷、机械啃伤等因素造成破损,进而影响发芽率以及玉米产量,因此玉米种粒的播前检测十分重要。针对玉米种粒检测过程中机械化程度不高、检测准确率低和仅能单面检测等问题,本文将机器视觉技术应用于玉米种粒的外观品质检测,提出了一种基于机器视觉的玉米种粒破损检测方法并设计了一种玉米种粒双面破损双面检测装置。本文提出的基于机器视觉的玉米种粒破损检测方法以“登海605”夏玉米种粒为研究对象,获取种粒图像后,通过差影法分析图像噪声,并确定噪声种类为椒盐噪声,采用中值滤波方法对图像进行降噪,对降噪后的图像选用阈值分割法及形态学处理完成图像中玉米种粒与背景之间的分割。根据玉米种粒的形态特征分别提取玉米种粒的6个几何特征:周长、面积、周长面积比、长轴长、短轴长和长宽比,3个形状特征:矩形度、圆形度和紧凑度以及不变矩特征参数Hu。基于支持向量机(Support Vector Machine,SVM)构建了玉米种粒破损检测模型,16个特征向量作为输入,采用网格搜索及交叉验证法确定了惩罚因子及核函数参数最优值,并对构建好的识别模型进行了测试,测试结果表明,构建的SVM识别模型对玉米种粒破损识别准确率可达95%。确定了玉米种粒双面破损检测装置的总体设计方案,对其喂入机构、输送机构、剔除及回收机构等关键机构进行了设计,并通过试验分析及理论计算确定了重要部件尺寸参数及安装位置。为确定导种管安装角度及底盖打开角度,对不同含水率的玉米种粒在亚克力材料上的滑动摩擦角进行了试验研究,发现玉米种粒含水率越高滑动摩擦角越大,最大含水率为12.8%时滑动摩擦角为26.8°;为分析底盖打开条件对钕铁硼圆片的最大吸引力及最小吸引距离进行了测试。设计了图像采集及处理系统,确定了双面图像采集方案,基于Raspberry Pi及Arduino Uno对装置的动力控制系统进行了设计。对装置的各项性能指标进行了试验测试,结果表明,系统检测正确率为98.4%、装置分类正确率95.2%、排种器排种准确率97.7%、种粒喂入率98.1%、剔除准确率99.2%、底盖打开准确率100%、底盖闭合准确率99.7%,其中装置分类正确率受排种器排种准确率及种粒喂入率影响较大。该研究实现了玉米种粒的双面检测,为基于机器视觉技术的农作物种子检测提供了参考。