我国是一个水果生产大国,但是由于分级设备与技术的落后使得我国农产品产后处理水平太低,致使国产水果的外观质量较差,缺乏市场竞争力。近年来,国外基于DSP机器视觉的水果分级系统已经开始了商业化应用,而我国这方面的研究仍处于起步阶段,鉴于此,本文对基于DSP机器视觉的水果分级技术展开了研究。首先,对实际分级生产线上的水果图像分割问题进行了分析。分别利用状态法、最小误差法、迭代法和最大类间方差法等最优阈值选取方法进行了分割实验并对结果进行了对比分析。其次,对水果大小和颜色的动态分级问题进行了研究。利用水果自身对称性来检测果轴方向,有效地克服了水果运动带来的果梗和花萼识别困难继而导致果轴方向无法确定的问题。对于颜色分级,对HSI彩色模型的稳定性进行了分析,利用色度值H来分析水果表面颜色组成情况。然后,采用了新的水果表面缺陷的检测方法,利用高斯多尺度方法来构建水果表面多元图像数据,对多元图像数据利用主成分分析来提取可以表示图像信息的独立主元,计算在独立主元中去掉第一主元和噪声后所组成的残差矩阵的Q统计量,然后利用Q统计量来检测水果表面图像的缺陷。最后,重点讨论了基于DSP机器视觉的水果分级系统的设计与实现细节,分析了基于机器视觉的水果分级系统采用DSP图像处理系统的好处。详细描述了水果分级系统的总体结构和主要工作原理,重点描述了DSP水果图像处理系统的构成和实现方法,以及分级系统中的上位机软件的开发。本文的研究对于提高我国水果商品化处理水平具有十分重要的意义。