近年来,农业生产正朝着规模化、多样化、精确化方向发展,农业劳动力的成本迅速上升,劳动力不足的现象日趋明显,农业机器人技术越来越受到关注。但是由于采摘对象的复杂性和工作环境的非结构化,目前国内的采摘自动化程度仍然很低。为适应精确农业的要求和需要,以机器视觉为主要手段,综合运用数字图像处理、模式识别等方面的知识,以成熟的番茄为研究对象,对番茄采摘机器人的视觉系统进行了研究。主要的研究内容和取得的结论如下：1.介绍了本课题的软硬件组成和实验环境；采集了番茄在不同自然环境下的大量彩色图像；根据实验环境和实验要求设计了实验的方案。2.研究了基于颜色特征的图像背景分割,对十种分割因子就分割的效果进行了对比研究。通过实验发现用YIQ颜色空间的1分量作分割因子可以达到较好的分割效果。3.自动取阈值法分割图像能够大大提高图像处理的实时性。通过对比研究,最后选取了处理效果较好的迭代法；然后对分割后的图像采用面积阈值法进行了除噪处理。4.在分析了番茄果实的形状特征的基础上,提出了三种获取番茄果实生长姿态的方法：利用果实的矩特征方法、利用果实的形状特点法和利用平分面积法。对三种方法进行了理论分析,并进行了实验验证。最后给出了实验的结果分析和误差分析。5.对相接触或粘连的多果实的分离进行了初步的研究,提出了三种方法：圆形Hough变换法、分水岭算法、形态学算子法,并进行了实验的验证。最后,总结了所做的主要工作,指出了其中的不足和以后的研究方向。本课题的研究对于番茄的自动化采摘,以及果树采摘机器人的视觉系统的开发具有一定的借鉴意义。