实时测量苹果体尺对苹果综合品质评价和苹果分级具有参考价值。针对我国苹果果园现有种植问题,拟解决苹果无接触估测体尺问题,以用于指导生产。本文以智能手机为图像采集工具,采用机器视觉配合小尺寸标定板,探索苹果体尺参数(苹果长、宽、质量、体积)的测量方法。对测量过程中的苹果图像矫正、苹果体尺检测、估测模型建立等技术进行研究,最终建立基于移动端的体尺参数测量系统。主要研究内容如下:(1)图像采集与预处理。在图像采集阶段使用手机采集苹果样本图像,每个苹果摄取两幅接近垂直的侧视图像。在图像的预处理阶段,根据智能手机相机的结构特性,使用校准模型对摄取图像进行矫正。并使用一种基于局部背景区域的分割方法获取图像ROI区域;(2)体尺参数提取。在苹果外形特征提取阶段,除常规指标如长度、宽度、投影面积、果形外,提取苹果投影网格参数。本文所说的网格参数是在图像ROI区域上绘制6等分虚拟网格,这些虚拟网格的长度统称为网格参数。使用一种小尺寸棋盘标定板,计算智能手机采集图像中实际值与像素值之间的比例尺,用以计算外观特征在三维世界坐标下的长度,使结果更具绝对性。其中长、宽拟合回归结果R~2值分别为0.918、0.958,RMSE分别为0.218cm、0.202cm;并借助图像获取的苹果外形特征参数(长度、宽度、投影面积、网格参数),结合实际测量获取的苹果质量、体积,使用主成分分析对外形特征参数降维,比较多个模型,最终使用神经网络建立苹果质量、体积的估算模型,质量、体积估测误差分别为5.620%、2.440%;(3)交互系统搭建。结合苹果体尺模型,使用Django搭建网站,最终完成前端和后台的开发,前端实现图像上传并显示、结果显示等功能,后台实现图像预处理、ROI分割、苹果体尺计算和信息存储等功能。并对模型田间测试,体尺参数长、宽、质量、体积的计算值与实测值之间的绝对误差分别小于2.870%、2.845%、5.614%、2.438%,从上传图像到给出体尺测量结果平均时间15.324 s。实验结果表明该估测模型准确性高、稳定性好,对提高苹果分选效率,降低田间人工成本有积极作用。为一线果农记录、采集和分析果实生长过程提供新工具与方法。