当前，我国粮食谷物的多种品质检测指标还只停留在人工肉眼观测阶段，具有费时费力、一致性差等诸多缺点。针对这些缺点，本文研究并开发了一套基于机器视觉的稻米品质检测系统。该系统以ARM为控制核心，完成系统控制、板间通信等方面的工作；以TI公司的DM642为主处理器，完成稻米品质检测的相关核心运算等。该系统可以通过视频接口，实时地接收视频信号，经过处理实现稻米的相关品质检测，并通过串口把相关指标和数据传送到ARM和电脑主机上，使用人员可以直观观察稻米图像处理效果并进行相应参数的修改。本文所做的主要工作包括两个方面：算法的研究与选择和算法的DSP实现与系统优化。（1）算法的研究与选择。对各种常用的数字图像处理基础算法，如图像滤波、边缘检测、自动阈值分割等进行了研究、仿真和比较，通过对比和分析，选出了适合于本系统的基础处理算法；通过颜色空间变换和色度直方图等方法，研究了基于色度信息的黄粒米检测算法，仿真表明，该方法可以有效地判别黄粒米；在极坐标系下研究了稻米的质心检测、边缘检测和长短轴检测等算法，实验表明，可以通过该方法进行整米、碎米和异形米等判定。（2）算法的DSP实现与系统优化。完成了所选择算法的整体框架设计和C代码编写，并在DSP开发板上调试通过；应用片级支持库（CSL）和视频驱动等DSP相关技术，实现了快速数据传输，使系统的处理速度提高了10倍；通过对算法的优化和CCS相关编译工具的使用，进一步改善了性能；通过选择数据类型、循环展开、数据表操作等工作，对C代码进行了优化，又获得了近10倍的速度提升，使之达到了项目指标要求。