马铃薯播种前通常需要进行切块,在保证出苗率的同时需考虑充分利用种薯。切块时,薯块质量一般控制在40克至60克之间,并且每个切块上必须至少留有一个芽眼。目前种薯切块基本依靠人力,自动化程度很低,且效率低下,易受主观因素制约。现有切种机在切块时很难控制薯块的质量,也不能保证薯块上留有芽眼,显然不能满足播种要求。提出能同时考虑种薯质量和芽眼分布的自动化切种方法具有必要性。本文基于机器视觉技术,提出了一套自动化切种方法,包括:畸形薯判断方法、种薯质量检测方法、表面芽眼分割标记方法和切种决策机制。根据研究对象的特点,设计了马铃薯种薯图像采集系统,包括光源,图像采集箱,摄像头,计算机等。为了对采集到的马铃薯原始图像进行预处理,提出了在RGB彩色空间中对原始图像进行G通道灰度化,利用OTSU阈值分割方法进行灰度图像分割,提取边界的同时去除图像背景,减轻无关区域的干扰。利用规则马铃薯形状类似椭圆这一特性,提出使用机器视觉技术进行一次马铃薯图像参数提取,同时完成质量和形状检测的方法。首先,获取3个视角的马铃薯图像,并用OTSU方法提取边界。然后,对边界进行最小二乘椭圆拟合,提取3个椭圆中共6个长短轴长度作为特征参数。最后,基于特征参数定义拟合偏离度以定量评价薯形;建立椭球模型以检测种薯质量。实验结果表明该方法适用于自动化切种过程中的薯形和质量检测,其中畸形薯筛选成功率为96%,种薯质量检测的误差率小于10%。为了在马铃薯图像中分割与标记芽眼区域,提出了在彩色空间和灰度空间中同时分割芽眼区域,并将二者的分割结果叠加后进行标记的方法,克服了因芽眼特征不足图像分割算法难以适用的缺点。具体地,在RGB彩色空间中,利用欧氏距离分割芽眼彩色区域,分割出62%的芽眼区域;在灰度空间中,首先使用中值滤波对灰度图像进行去噪处理,之后利用模糊处理技术对图像进行了对比度增强,最后运用局部动态阈值分割方法分割芽眼区域,分割成功率为89%。将两个空间的分割结果叠加后,成功率进一步提升为96%,而且芽眼区域较完整。最终,通过数学形态学处理,成功将芽眼区域标记在了马铃薯图像上。提出了同时考虑种薯质量和芽眼位置的切种决策机制。利用芽眼在图像中的2维位置信息,对应提出了3种切块时具有2自由度的刀具模型。避免了芽眼3维位置信息的还原,无需设计高自由度切块机构。利用马铃薯芽眼图像对刀具需要旋转的角度进行决策,以指导刀具进行切块。在MATLAB仿真结果中,该决策机制可以获得质量为40克至60克的薯块,并且都带有芽眼。论文的研究结果可以为马铃薯自动化切种相关领域提供理论依据,也可为新型自动化切种机的设计提供指导与参考。