香菇是中国特色农产品之一,也是河北省最具优势的菇种,针对目前鲜香菇人工分级成本高、自动化分级程度低等产业问题,本研究基于机器视觉技术设计了一套鲜香菇自动分级系统,实现鲜香菇自动上料、间歇输送、单体化、姿态翻转、等级分类识别和分级功能。主要内容如下:（1）对比分析了鲜香菇分级标准,确定以颜色、形状、菇帽直径（大小）和开伞度4个指标对鲜香菇进行等级分类。采样不同批次生产的鲜香菇,测得鲜香菇样品的菇帽直径、菇柄直径、整体长度、侧立高度、圆形度和滑动摩擦系数等物理特性参数,统计计算出鲜香菇平均含水率为83.40%,平均密度为0.80g/cm3,以及在不锈钢表面上的平均滑动摩擦系数为0.51。不同等级鲜香菇个体间存在明显差异性,等级越高的鲜香菇,菇帽越接近圆形。（2）研究了基于卷积神经网络的鲜香菇等级分类识别方法,利用翻转、旋转、平移、对比度变换和亮度变换等操作,对获取的5个等级鲜香菇图像进行数量扩充和预处理,建立各等级鲜香菇正面及反面图像数据集。对3种预训练深度卷积神经网络模型（AlexNet、GoogLeNet、ResNet-18）分别进行迁移学习,快速构建鲜香菇等级分类识别模型,分别记为MoGuAle模型、MoGuGoo模型和MoGuRes-18模型。采用贝叶斯优化算法确定了 3个超参数（初始学习率、动量、L2正则化系数）的最优组合并训练得到各自最佳网络模型。通过对最佳网络模型的测试,Z-MoGuRes-18模型对鲜香菇正面图像的等级分类识别准确率最高,达到了 98.73%,F-MoGuRes-18模型对鲜香菇反面图像的等级分类识别准确率最高,达到了 99.15%,这两个模型皆能满足鲜香菇的分级要求。（3）依据获取的鲜香菇物料参数,对鲜香菇分级系统进行总体结构设计和主要部件参数设计,包括振动上料装置设计、单体化转盘翻转装置设计、分级输送装置设计以及图像采集装置设计,使鲜香菇能够完成自动上料、输送、图像采集、识别及分级等一系列动作。（4）运用ADAMS软件对鲜香菇的翻转姿态进行运动仿真,获得了鲜香菇由帽上柄下的正面姿态翻转为帽下柄上的反面姿态时其质心的运动轨迹以及翻转过程的运动状态。通过仿真优化,确定了鲜香菇在单体化转盘上被推动时的速度为70.122 mm/s,转盘中心与接菇器中心的水平安装距离和垂直安装距离分别为184.77 mm和70.111 mm。制作鲜香菇翻转试验平台,并进行30次翻转试验,可知鲜香菇平均翻转成功率达到90%,验证了本研究设计方案的可行性与准确性。