虾产品味道鲜美，营养丰富，深受消费者的青睐。近年来，熟虾制品的出口比例正在不断提高。其中，冻熟对虾是以南美白对虾为主要原料加工而成的冻熟全虾。在运输及加工过程中，对虾体内的多酚氧化酶(PPO)会被氧化而产生黑色素沉积，引起黑变。为提高熟对虾的产品质量，生产线上的黑变熟对虾由熟练的检测人员根据肉眼判定并剔除。人工方法存在主观性强、效率低以及相关数据无法记录等不足。　　本研究旨在利用机器视觉技术替代人工方法实现熟对虾的在线识别与分级。主要研究内容及结论如下:　　1、运用高光谱技术研究黑变熟对虾的光谱特性，设计并搭建基于机器视觉的黑变熟对虾静态图像采集系统。基于Matlab工具箱，运用阈值法、算术运算法和二维Fisher线性判别分析法(2DFLD)对采集到的熟对虾图像进行背景分割。运用双阈值、2DFLD提取对虾的黑变特征。通过轮廓提取、图像细化和头尾识别，实现对虾的头尾分割。结果表明:2DFLD能较好地完成对虾图像的背景分割与黑变特征提取，而头尾识别的准确率达到85.47％。　　2、以面积比（黑变面积与虾体总面积的比值）、头胸部黑变像素个数、头胸部黑变的平均灰度、腹部黑变像素个数以及腹部黑变的平均灰度为特征，构建BP神经网络模型和决策树模型分别进行对虾图像的识别与分类。分别将样本分为正常对虾、头胸部轻微黑变对虾、头胸部严重黑变对虾以及腹部黑变对虾四类，正常对虾、头胸部黑变对虾和腹部黑变对虾三类，以及正常对虾和黑变对虾二类。结果表明:(1)分为四类:两种方法都能较好地识别腹部黑变对虾(准确率均为93.33％);(2)分为三类:BP神经网络的分类结果比较稳定，决策树能更好地识别腹部黑变对虾，准确率为96.67％;(3)分为二类:BP神经网络和决策树对黑变对虾的识别准确率较高，分别为97.78％和96.67％。总之，BP神经网络的识别分类效果总体优于决策树，且当将样本分为三类时，达到相对较高且较稳定的识别准确率。　　3、搭建基于机器视觉的熟对虾在线识别分类系统，硬件部分包括:上料系统和单粒化装置、图像采集系统、分类系统以及动力和传动机构，系统的软件开发主要基于Visual C++技术。熟对虾的在线识别分类实验将熟对虾分为正常对虾与黑变对虾二类。结果表明:该系统对正常对虾的识别准确率为70.00％，对黑变对虾的识别准确率为76.67％。