目前,许多国家在农产品的质量检测方面都已开始使用计算机视觉技术,来实现对农产品的识别、检测和管理。作为一种新型的无损检测技术,计算机视觉技术成为实现农产品检验的自动可视化发展的必然趋势。在现有国内外研究的基础上,本研究以目前尚未制定等级标准的叶类蔬菜——小白菜的新鲜度识别作为研究方向,以时问量划分的三个等级的叶类蔬菜作为研究对象,以计算机视觉和模式识别理论为基础,获取在一定条件下背景为白色的叶类蔬菜图像,利用MATLAB软件对图像进行处理、分析,同时采用主成分分析、费歇尔判别相结合的方法,实现了特征提取和判别模型的构建。其中主成分分析则将13个特征参数综合成4个新变量,构建的判别模型对样本总体的识别率达84%。主要研究内容如下：(1)根据计算机视觉技术对叶类蔬菜的要求,构建叶类蔬菜图像获取和分析的计算机视觉系统。(2)叶类蔬菜的图像预处理。背景分割过程中,通过自适应中值滤波法和改进的自适应大津法(OTSU法)对叶类蔬菜彩色图像的红、绿、蓝分量进行图像背景分割,通过比较发现：在蓝色分量图中获取阈值进行背景分割的效果最好。经选取阈值的二值化图像与原彩色图像进行对比,最终实现彩色图像的背景分割。(3)提取特征参数：颜色特征,形状特征,纹理特征。将HIS模型和RGB模型配合使用提取叶类蔬菜的颜色特征。叶片图像经过处理后,得到目标图像的边缘和区域,以此来获得蔬菜叶片的形状特征。对于不同新鲜程度的叶片,其纹理在粗细、排列上都有很大差别,本文采用灰度共生矩阵法提取叶片的纹理特征。(4)分级模型的建立。经过特征值提取后,每个样本都获得包括颜色、纹理、形状等13个特征参数组成的特征向量。本文采用主成分分析法实现数据的降维,然后结合费歇尔判别分析,利用降低维度后的特征参数构建判别模型。试验结果证明,判别模型对样本的总体识别准确率达84%。(5)基于MATLAB与.NET混合开发了一套基于计算机视觉的叶类蔬菜新鲜度等级识别研究软件,该软件界面友好,功能完备,能够完成基本的图像处理分析、特征参数的提取、叶类蔬菜等级的识别分类及结果的保存。