本文应用可见光图像、X射线图像、X射线CT图像技术研究了红毛丹色泽、外形尺寸、果肉可食率、可溶性固形物及衰减系数。 1、分析了X射线成像的过程并结合实验讨论了线阵探测器用于X射线水果检测应用成像条件的优化和图像的校正方法。建立了能够准确预测本线阵探测器的在不同管电压、管电流和积分时间条件参数下X射线图像像素数值的数学模型,模型拟合度达到0.9965,为系统在自动分辨目标,去除图像背景奠定了基础。 2、利用X射线图像,分别研究了果实、果皮、果肉、果仁的X射线衰减系数,试验证明其衰减系数的大小不仅与厚度有关,同时也与密度有关;样品厚度与射线强度Ⅰ的对数呈高度线性负相关,果实的衰减系数与果皮、果肉、果仁的衰减系数呈线性关系。 3、研究了利用X射线检测红毛丹可食率的图像处理及模式识别方法。应用X射线研究红毛丹可食率时,首先用阈值分割法去除红毛丹背景,然后用模糊C均值聚类方法来分割果肉区域。红毛丹可食率以分割出的果肉区域像素个数与整个果实区域像素个数之比来表征,实验结果表明,误判率小于10%。 应用X射线CT来研究红毛丹可溶性固形物时,首先用阈值法去除图像背景,然后面积阈值法来提取果肉区域。红毛丹可溶性固形物含量的X射线CT值预测的相关系数达92%。 4、分别用可见光图像和X射线图像检测红毛丹的外形尺寸,结果表明采用X射线图像检测技术能较准确地预测红毛丹的外形尺寸。 5、描述了红毛丹可见光图像获取装置及实验方法。研究了评定红毛丹色泽的图像处理和模式识别方法。红毛丹可见光图像通过CCD获取,经OSTU分割算法分割图像背景后,采用面积标记算法得到去除长穗梗区域的红毛丹图像,然后提取基于色度的红毛丹图像的彩色纹理特征,并用多分类支持向量机的模式识别方法来识别红毛丹色泽等级,该模型对4个色泽等级的红毛丹的正确分类率分别是94%,88%,89%,95%。并与BP人工神经网络方法在运算速度和准确率进行比较,结果表明,无论从运算速度、还是泛化能力,SVM方法都表现出了良好的性能。 6、建立以红毛丹分级为目的的软硬件系统,硬件系统完成红毛丹的传输和捕获图像。软件系统包括红毛丹外观品质以及可食率的分级功能。