食用的水果大多是从果园批量采摘,然后通过人工按大小、成熟度分为不同的等级。这种通过人工分拣的方式是费时的,费力的,并且不同人的判断标准不一致。针对这个问题,需要有一个客观的判断标准,能够自动对水果产品进行大小和成熟度分类。在分拣任务中,机器视觉的使用不仅可以提高工作效率,还可以解决人为判断不规范的问题。因此,本文设计了一种基于机器视觉的水果分拣系统,该系统主要包括视觉控制模块和运动控制模块。其中本文的主要研究内容是视觉控制模块,它包括图像采集、图像预处理、图像颜色辨识、图像分割、特征提取以及坐标定位。分拣系统通过采用放置在传送带上方的照相机捕获图像,利用软件执行算法识别对象特征,同时将对象的识别信息和位置信息提供给数据库。识别的项目主要包括图像的颜色、边缘、面积和形心坐标。本文通过识别水果的颜色进行成熟度分类;通过计算图像面积进行大小分类;通过计算形心坐标进行位置定位。本文将自适应神经模糊推理系统(ANFIS)应用到物体定位中,利用ANFIS对模糊逻辑控制器中隶属函数的输入和输出参数进行调整,采用混合学习算法进行训练。该算法采用最小二乘算法对隶属函数的线性输出参数进行调整,采用梯度下降法对隶属函数的非线性输入参数进行调整。在训练阶段,像素坐标作为样本输入,实际坐标作为期望输出,将其按照一定的格式组合成ANFIS算法的训练数据,并按照一定的误差准则调整相应的参数,从而使误差降到最小。本文以西红柿和百香果为例进行实验,并对实验结果进行分析。最后与运动控制模块相结合,实现水果的分拣,提高了分拣效率和分拣质量,进一步验证了基于机器视觉水果分拣系统的可行性和优越性。