随着机器视觉技术和机器学习技术的发展,基于机器视觉的自动检测及分拣任务被愈来愈多地应用于农业领域中。为解决在鸡蛋初加工生产线中,传统的人工分拣方式所导致的效率和准确率较低的问题,提出了一种基于机器视觉的鸡蛋分类方法和鸡蛋破损程度评价方法,通过研究与对比,证明该方法可实现对外壳含裂纹鸡蛋的快速且准确的检测,从而完成分拣。首先,根据鸡蛋分拣系统的功能需求对系统进行了整体方案设计,将系统划分为了:视觉检测模块、传送模块、分拣模块和通讯模块;并基于鸡蛋初加工生产线的已有硬件基础,对各个模块的硬件进行了初步选型与说明,同时也阐述了软件部分的开发环境。在此基础上,重点阐述了可实现鸡蛋外壳图像在线采集的方案,对相机、镜头型号,光源类型进行了选型,完成了数据集的采集与标注,并设计了一套鸡蛋图像处理流程,实现了数据集图像中裂纹区域的分割。其次,为实现裂纹蛋和完好蛋的分类,分别提出了基于SVM的鸡蛋图像分类方法和基于改进CNN的图像分类方法,并作对比研究:对图像处理结果进行特征提取后,输入SVM进行训练并对超参数进行调优得到了基于SVM的鸡蛋图像分类模型,综合准确率达93.0%;提出一种基于改进CNN的鸡蛋图像分类算法,该算法针对CNN中普通卷积计算量较大的问题,使用深度可分离卷积替代传统卷积层,减少了单次预测的计算量和耗时,经训练和调优后,综合准确率达97.3%,优于基于SVM的分类方法。最后,根据图像采集方案和图像分类模型,阐述了基于图像分类方法来实现鸡蛋裂纹检测与分拣的逻辑思路,基于多幅图像的分类结果对逐枚鸡蛋进行综合判定,并提取判定结果为裂纹蛋的相关信息,进行鸡蛋破损程度评价后,统计后输出于根据厂内要求而设计的GUI界面中。