近些年,我国草莓种植面积持续扩大,产量已居世界首位。草莓果实含有多种营养物质,深受消费者喜爱,然而草莓的种植与采摘主要靠人工进行,而且由于其收获期短、采摘费时、不耐储藏等缺点,限制了其商业推广的进度,随着草莓高架栽培模式的推广,实施草莓机械化采摘具有重要的意义。由于果实个体之间差异,同一时期果实成熟度和重量均不相同,因此在进行机械化采摘时需要做到分级分类。为了防止采摘时果实受到二次机械损伤,需要对果实进行准确定位,鉴于此,本文针对高架草莓进行了果实识别、分级和空间定位研究,具体如下:（1）搭建了草莓图像处理软硬件系统,硬件部分包括:摄像机、可调焦镜头、支架、环形无影光源和计算机;软件部分包括:图像采集控制模块、图像预处理模块、目标分割提取模块。（2）采用颜色空间转换法将图像转换到YCBCr空间,选定Cr通道用于目标后续处理,通过高斯滤波消除图像中的噪声,对比FCM模糊聚类法和OTUS双阈值法的目标分割效果,根据需求选择FCM分割方法,平均检出率为94.45%,平均消耗时间为0.956s。对分割后的图像依次进行二值化、腐蚀和膨胀等处理,使用Canny边缘检测算子检测目标区域,然后利用最小矩形和图像融合方法对目标草莓区域进行提取,用于样本库的制作,并使用图像几何变换方法对样本库进行增强。（3）根据Goog Le Net卷积神经网络理论搭建草莓识别模型,使用建立的样本库对模型进行训练,识别实验得出模型平均识别率98.65%,平均单张图像检测时间0.0468s。根据草莓图像的Cr颜色分量、区域周长和面积特征,分别建立了草莓成熟度分级预测模型和重量分级预测模型,通过模型分级实验得出分级准确率分别为92.10%、87.57%。（4）搭建了双目视觉定位系统,建立了从二维像素坐标到三维空间坐标的转换关系,使用张氏标定方法对双目设备进行标定,得出双目设备的内外参数,并对左右视图进行极线校正,对草莓质点的提取进行建模分析,根据草莓质点对采摘点进行定位预测,在距离为30 cm时,定位误差量为±5 mm,误差率为±3%。经实验验证,建立的模型测试效果良好,能够较准的对草莓进行识别、分级与空间定位。