随着社会的进步,人民生活水平的日益提高,人们越来越注重生活品质的提升。然而当前的豆浆机还仍是人工根据经验投放谷物和水,对于经验不足的新手来说,谷物和水的比例不好把握。舒适,方便,有个性的生活条件是人们永恒的追求。人们希望豆浆机能回答需要多少比例的水能酿造出最美味的豆浆。随着计算机科学的发展,尤其是计算机视觉的发展,使基于视觉的智能硬件成为可能。基于图像处理的谷物识别系统能智能的识别放入豆浆机里的是什么谷物。根据食谱中的经验知识,在知道谷物种类的情况下,给出水和谷物的最佳比例。依据谷物的形状和颜色信息,本文提出了一种基于图像分割的谷物定位方法,并在此基础上提出了基于图像分类的谷物识别方法。系统主要分为：谷物检测模块和谷物识别模块,本文的主要工作如下：1.研究基于图像分割的谷物的检测方法。2.研究局部性特征的提取方法,并着重介绍了稠密性颜色SIFT特征的提取。3.研究特征袋(Bag of features, BOF)算法,并将其和稀疏编码,金字塔匹配方法结合起来一起对图像特征进行抽象组织。4.研究了基于机器学习的分类器,并着重研究了支持向量机在谷物识别中的应用。