花椒是一种重要的烹饪调料和中药配料。花椒品质检测包括对固有杂质含量、色泽等外观品质和挥发油、麻味物质含量等内部品质两方面的检测。本文将机器视觉技术引入到包括花椒颗粒均匀度、闭眼率、椒籽率、果穗梗率等外观品质评价指标的快速检测中,避免了传统人眼感观检测存在的可重复性差、效率低、随意性大等缺陷。主要研究内容如下:第一,对收集的37份花椒样品外观品质进行了人工感官评测。第二,基于普通平板扫描仪、PC和打印机搭建了一套用于花椒外观品质检测的机器视觉硬件系统,对37份花椒样品进行图像采集,完成了花椒图像的基础数据准备。第三,通过比较椒籽、闭眼椒、果穗梗和果皮的凹性率、椭圆度、面积值等多项外观形态特征,获取了各固有杂质成分的分离阈值。结果表明:图像分辨率为600dpi时,取凹性率0.95、面积值7000像素可先分离出椒籽,再取椭圆度0.9能分离出果穗梗,最后取凹性率0.8964、椭圆度0.5072能有效区分余下的闭眼和果皮。另外,针对采用Canny算子边缘检测后的花椒样本图像中有部分个体的边缘不连续、对边缘检测结果直接填充时效果较差,提出了更能有效识别花椒籽粒的二次填充算法。第四,实现了花椒外观品质检测的相关图像处理算法,并利用MATLAB平台开发了基于机器视觉的花椒外观品质检测软件系统,包括图像处理模块、图像分析模块、特征提取模块和数据分析模块,能对单帧、多帧花椒图像进行单步、连续处理。第五,对37份花椒样品进行机器视觉检测,完成固有杂质等四项指标的定量检测,并与人眼感官评测的结果进行对比比较,给出机器的正判、误判及漏判率。结果表明:对椒籽、果穗梗正确识别率可达100%,闭眼及果皮正确识别率分别达89%、96.8%。研究表明,基于机器视觉技术的花椒外观品质检测机理可行,检测效果较好,为花椒的收购、储藏、销售提供了快速、准确的外观品质检测新思路,具有较高的理论价值和现实意义。