香梨表面缺陷检测是库尔勒香梨产业发展中的一个重要环节。本文以库尔勒香梨表面缺陷为研究对象,采用多光谱图像技术对库尔勒香梨表面缺陷检测做了相关研究。水果是人们日常饮食中不可或缺的一部分,也是食品质量安全问题的高发领域。传统外观品质检测主要依靠自主人工检测或机器检测,人工检测时,人的目视测量和分级会因工作强度、个人判别方法的不同等产生错分误分。传统的机器检测价格高昂、体积笨重,仅限于一些水果大小、纹理、表面颜色的检测。但不能对皮薄肉厚的库尔勒香梨纹理、表面缺陷和颜色等作出评价。为解决这一问题,本文研究了基于多光谱图像的库尔勒香梨表面缺陷检测,借助采集的库尔勒香梨图像提取库尔勒香梨表面缺陷,建立起快速高效的缺陷检测方法。论文在以图像处理的基本理论与方法进行研究的基础上,对采集的库尔勒香梨图像进行细致分析处理。结合二值图像和多光谱五通道图像,利用图像中值滤波进行降噪处理、图像阈值分割、采用二级小波分解增强对图像进行增强处理。利用边缘检测算法进行Canny边缘检测、图像数学形态学腐蚀、膨胀处理、外部轮廓提取,选择带有缺陷区域的结果图像,统计缺陷区域内的像素数以便计算缺陷面积。以缺陷面积作为主要判别依据,按照国标GB/T19859-2005规定:选定缺陷面积大于0.8cm~2作为缺陷果的判别依据。对50个库尔勒正常香梨和50个缺陷香梨进行缺陷面积判别,正常香梨缺陷面积判别准确率为100%,缺陷香梨缺陷面积判别准确率为92%。系统检测缺陷结果基本稳定,能够保证较高的准确率。针对本文提出算法,在基于多光谱分析软件(Architector Vision Suit-1.9.0)和图像处理软件MATLAB R2014a(美国Mathworks)环境下搭建的库尔勒香梨表面缺陷检测系统中。研究了疤痕、病斑、虫咬、表面碰压伤、机械损伤、果锈六种香梨表面缺陷情况。探究了动态与静态检测下缺陷图像的采集、以及多光谱相机各个通道下的缺陷识别率,并且分析了不同通道下图像缺陷提取效果和各缺陷识别率高低原因。研究结果发现香梨表面的缺陷与可见光的范围是与之相关的,梨属于蔷薇科梨属水果,内部的组织和成分因不同缺陷,导致在一些波长处有明显的差异。而多光谱相机各通道所对应可见光的范围与香梨表面的颜色是相关的,成功解决了各通道下缺陷识别率不同的原因。本文提出的基于多光谱图像的库尔勒香梨表面缺陷检测方法,处理图像耗时短,缺陷提取具有较高准确性。满足实际应用,可用于库尔勒香梨的实时表面检测。