与发达国家相比，我国核桃仁分级的主体是人工分级，分级手段单一、技术落后，存在分级精度差、用工成本高、分级过程易受人为主观因素影响等问题。机器视觉技术可较好地解决以上问题，已广泛应用于农产品检测加工领域，在核桃仁品质检测和自动分级中也呈现起步态势。本文旨在依托核桃仁分级标准，以大小和颜色为主要分级指标，应用机器视觉技术，设计快速可行的图像处理方案和算法流程，开发操作方便、交互友好的图像采集系统，实现核桃仁的自动分级，提高核桃仁分级效率，增加经济效益，增强我国核桃仁产业的国际竞争力。　　本文完成的主要工作如下：　　(1)设计了合理的图像处理算法，实现了核桃仁大小和颜色的检测与分级。通过分析不同颜色模型的特性，选取了更接近人眼视觉特点的HSI颜色模型来表征核桃仁图像的颜色特征;通过对比低通滤波、中值滤波算法对核桃仁图像的去噪效果，选择了滤波器尺寸为5×5的中值滤波法作为图像去噪算法;采用全局阈值法来实现图像的二值化分割，使图像中目标对象与背景间对比度达到最大;采用八邻域种子填充法对二值化分割后图像进行了小孑填充，得到了完整的核桃仁区域;采用八邻域判别法将图像中的多个核桃仁进行逐一标记，实现了图像连通区域标记，配合使用像素统计法，得到了核桃仁区域的像素面积，进而实现核桃仁的大小检测;使用颜色直方图法对核桃仁图像进行了颜色特征提取，以核桃仁的H、S、I颜色分量为特征参数，应用k-近邻聚类算法，实现了核桃仁的颜色分级。　　(2)构建了基于机器视觉的核桃仁自动分级系统。结合核桃仁分级的实际需求，构建了包括颜色、大小2项一级指标和淡黄色、浅琥珀色、深琥珀色、1/2仁、1/4仁、1/8仁、碎仁等7项二级指标的分级指标体系;应用LabWindows/CVI2012自主开发了具备参数设置、图像获取、样本训练、结果显示和系统帮助等功能的自动分级系统软件，搭建了核桃仁图像采集硬件系统。　　(3)应用正交分析法进行了光照效果优化试验，开展了大小分级算法的分级效果验证试验和颜色分级算法参数优化试验。试验结果表明:光源照射角度为45°、工作高度为35cm时，采集的核桃仁图像更有利于后期的图像处理;系统所采用的大小分级算法分级误判率在9.58％以下;颜色分级算法中H、S、I三个特征值的权重分别为0.46、0.35、0.19;近邻个数k=9时，颜色分级误差率最低。