计算机视觉技术具有实时、客观、无损等优点,能对土壤背景下的马铃薯进行快速识别。本文从图像获取、图像预处理、模式识别、光谱识别四个方面对单个马铃薯的识别进行了研究,并实现了土壤背景下马铃薯的实时识别。本文的主要内容包括以下四个方面:　　(1)土壤背景下马铃薯的可见-近红外光谱探测及特征分析。　　不同的物体具有不同的光谱,本文使用Avantes公司的AvaSpec-2048TEC热电制冷光纤光谱仪,分别采集了马铃薯和土壤在自然光和卤钨灯两种不同光源下的的可见-近红外光谱。研究表明,在自然光下相对光谱的720nm~930nm波段、卤钨灯下相对光谱的600nm~900nm波段以及卤钨灯下反射光谱的600nm~930nm波段,土壤背景和马铃薯能够得到很好的区分,而且卤钨灯光源下的光谱能够很好地减弱随机噪声的影响。　　(2)提出了基于传统模板匹配算法的图像识别算法。　　传统的模板匹配算法是通过计算参考图和模板图像之间的相似度,并设定一个经验阈值来进行图像的匹配,进而确定目标在参考图中的位置。这种匹配算法只适用于特定目标的情况,而不同的马玲薯形状、大小均有很大的差异,所以本文在研究了传统的模板匹配算法的基础上,提出了适用于土壤背景下马铃薯的识别算法。　　(3)设计了图像获取装置并进行图像预处理。　　本文设计的土壤背景下马铃薯的识别装置由照明设备、USB摄像头、计算机硬件以及图像采集和处理程序组成;其中照明设备为自然光源,有利于实际应用,USB摄像头具有即插即用、价格低廉的优点,图像采集处理程序使用C++语言编写,具有算法速度快的优点。图像预处理采用G通道灰度化、Otsu分割法、选择式掩模滤波和Robert边缘检测算子分别对马铃薯原始图像进行灰度化、阈值分割、图像平滑和边缘提取处理。　　(4)实现了土壤背景下马铃薯的实时识别。　　为了更好地与生产实际相结合,本文研究了土壤背景下马铃薯的实时识别。通过微软提供的VFW工具包,在VC++6.0环境下进行编程,获取了研究对象的视频信号,并将以上所研究的图像预处理和识别程序添加进来,实现了土壤背景下马铃薯的实时识别。