芒果作为一种风靡的水果,受到了广大消费者的喜爱。近几年芒果产业发展迅速,然而采后的分选阶段主要由人工来完成,不仅效率低下而且容易受到主观因素和环境因素的影响。机器视觉的检测方式不具有主观性,已经广泛的应用在农业中。目前利用机器视觉对芒果检测的方法主要以二维为主,有很多局限性。因此,本文以芒果作为实验材料,搭建了基于3D结构光系统的芒果视觉检测系统,通过提取芒果表面的二维图像信息和三维点云信息对其采后品质进行检测。主要研究内容如下:（1）搭建了基于3D结构光系统的芒果视觉检测系统,能够在线采集二维图像信息和三维点云信息。经过点云的倾斜修正后对距离测量的最大误差在1%以内,利用视觉系统对两个坐标轴上真实长度标定的R~2达到了0.998。同时完成了深度矩阵坐标和图像坐标的匹配,在x轴和y轴上坐标匹配的R~2均在0.996以上。（2）研究了芒果在流水线上所处的两种不同位姿的问题,提取二维与三维特征对位姿进行检测。尚未引入三维信息时,利用主成分分析法降维后获得的前三个主成分识别芒果的位姿。“平躺”位姿的识别准确率为95%,“直立”位姿的识别准确率为90%,由于样本间的形状差异导致识别错误。之后引入三维信息,此时仅需两个主成分便能解释接近90%的方差,利用前两个主成分对位姿进行识别的准确率达到了100%。（3）研究了芒果在两种位姿下果形等级、体积质量和外部品级的非接触式检测方法。在芒果的果形等级识别中,提取两种位姿共有和独占的一些二维和三维特征,建立相应位姿的芒果果形等级识别模型并利用预测集进行校验。“平躺”位姿下果形等级识别的准确率为95%,“直立”位姿下识别的准确率为90%。在芒果的体积预测中,提取芒果的像素投影面积和表面高度信息,分别建立不同位姿的芒果体积预测模型。在两种位姿下,利用二维与三维信息建立模型并预测的平均误差率均在4%左右,误差远小于二维的建模方式,且不会出现位姿识别错误导致模型应用错误的问题。在芒果的质量预测中,采用固定密度的预测方法和建模分析的预测方法,两种位姿下上述方法对预测集进行预测的平均误差率均小于5%。最后,利用上文获得的果形等级和体积质量并结合表面缺陷与颜色信息建立基于随机森林算法的芒果外部品级识别模型,并由预测集对其准确程度进行校验。外部品级识别的准确率达到了95%。（4）研究了芒果外部颜色与内部品质的关系。提取芒果不同位置的颜色信息建立可溶性固形物的含量（糖度）、可滴定酸的含量（酸度）和果实硬度的预测模型,并对预测集进行预测。建立的BP-神经网络模型取得了较好的结果,对这三个目标值预测的Rp~2均在0.83以上。利用芒果糖度、酸度和果实硬度对采后贮存时间建立逐步多元回归模型。在选择了显著的变量,去除不显著的变量后利用建立的模型对预测集进行预测,预测的Rp~2为0.858,RMSEP为1.205,对预测出的贮存时间分类的准确率达到了85%。将芒果果实口感分成三个等级,建立基于随机森林算法的芒果口感等级识别模型,并利用预测集进行校验。口感等级识别的准确率达到了85%。