传统的珍珠检测依靠人工来完成,检测过程中易受主观因素的影响且效率低。随着生产工艺和技术的进步,珍珠自动检测系统逐步代替人工检测。本文基于机器视觉技术和图像处理技术,对珍珠的自动检测进行了理论研究与实验分析。论文涉及了珍珠自动检测系统的研究现状、检测和测量硬件的设计、图像预处理的选择,特别是在硬件方面对照明系统进行了理论建模与仿真实验。珍珠颜色分类时,选用几种珍珠颜色,提取RGB与HSV颜色模型中的特征值,针对HSV颜色模型中H、S这两个分量进行分析,提取颜色信息转换到HSV颜色模型中。提取珍珠颜色H、S为特征值,利用神经网络作为分类器对珍珠颜色分类。实验表明系统测量误差在8%以内,总体变动的范围符合实验的要求,说明该方案对珍珠颜色检测可行。在珍珠形状大小检测分类方面,确定本课题所选图像预处理的方法。对预处理后的图像进行图像分割,提取边缘轮廓信息,然后再提取质心,转换到极坐标下求得长短径。在形状方面主要利用珍珠边缘轮廓是否出现畸变情况。结合标定实验即可对珍珠的大小进行测量。实验表明软件尺寸测量结果与千分尺测量值基本一致,测量误差在0.200mm以内。对形状判断误差在8%以内,总体变动的范围符合实验的要求,说明该方案对珍珠形状大小检测可行。在珍珠纹理分类研究时,选取了形态纹理情况各异的珍珠样本,基于灰度共生矩阵提取珍珠特征参数。探究了针对珍珠图像的灰度共生矩阵影响因素的选取;数据分析部分采用主成分分析法对特征参数降维,得出可以取前两个主成分作为检测标准,并且贡献率接近90%。接着用马氏距离法,对珍珠的纹理进行分析计算,计算珍珠样本间的马氏距离。实验显示,同类别的珍珠的马氏距离较小。