我国作为果蔬生产大国,果蔬超市化销售已经成为主要形式。但是在售卖过程中,果蔬分类也即价格依旧主要靠人工记忆或者查询,消耗了大量人力、物力、财力等资源。为了解决存在的问题,本文提出了基于计算机视觉的果蔬自动分类技术特征分析,深入研究了果蔬分类系统,分析了果蔬分类的国内外发展现状和技术难题,提出了针对单体以及多体果蔬分类的系统以及算法框架,并且深入研究了果蔬预处理算法、Gabor特征提取速度改进以及降维处理与改进、多特征优化以及调和自适应融合。最后在ARM上实现了多体果蔬分类算法,并进行了算法的改进。本论文主要的工作和成果如下：(1)建立果蔬图像数据库。为了使库中图像不断接近实际情况,拍摄果蔬图像时将现实生活中的几乎所有情况都考虑到了。(2)研究了果蔬图像预处理方法。针对单体和多体情况分别对预处理方法进行了改进,包括去噪处理、分割处理、填充处理、归一化处理的研究与改进,建立最终的果蔬图像库,为特征提取做准备。(3)深入研究了单体果蔬图像的特征提取方法与提取速度的改进和降维处理与改进,并对分类器进行了研究。本文从统计化整体特征进行考虑,提出了一种基于Gabor能量均值与方差特征的果蔬图像自动分类技术。该算法首先对果蔬图像进行预处理,得到32x32的归一化果蔬图像,然后采用5尺度8方向的Gabor小波提取Gabor特征,计算Gabor特征的能量均值方蒡,最后采用SVM分类算法对果蔬进行分类。(4)深入研究了多体果蔬图像的特征提取方法。从提取多特征以及特征融合角度进行考虑,并改进了距离函数。本论文提出一种基于GCH_HSV、LBP和BIC特征的多特征提取以及调和自适应特征融合算法,从颜色、纹理和形状二个方面的特征来进行特征提取,验证了算法的正确性和可用性。(5)将提出的多体果蔬图像分类算法在开发板上实现,并进行了算法的改进。通过代码移植,交叉编译实现到硬件的实用实验。研究了系统硬件和软件平台的搭建,编写了相关程序,对其进行调试和仿真,较好的实现了多体果蔬图像分类算法。结果表明,算法的ARM核心板实现与MATLAB仿真结果类似，但还是与实际应用存在差距。尽管如此,为果蔬自动分类的实际应用提出了有效的实现。