我国是世界第一水果生产大国,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机器视觉的水果外形分级技术展开了研究。　　 首先,对基于DSP机器视觉的水果分级系统方案设计做了描述,着重研究了系统的软硬件设计,以及图像处理过程中大流量图像数据分配、传输问题。　　 其次,对实际分级生产线上的水果图像分割问题进行了研究。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。对分割后的水果图像进行轮廓跟踪得到了水果边界,为后续的水果果形识别分类做了准备。　　 然后,研究了水果大小、颜色的动态分级问题。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HIS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。　　 最后,重点研究了水果果形分类识别问题。对归一化后的水果半径序列进行小波变换提取小波描述子来描述果形,分析了不同小波基、不同数目系数点重建水果边界的匹配率。运用核主成分分析(KPCA)对果形特征参数进行了降维分析和处理,最后利用动态最近邻聚类算法设计RBF神经网络作为果形分类器进行了分级实验。将小波描述子与常用的傅里叶描述子方法进行了对比,实验表明小波描述子是一种有效地描述水果果形的方法。　　 本文的研究对于提高我国果品商品化处理水平和能力都具有十分重要的意义。