（1）总述：

苹果是我们日常生活中常见的水果，它营养丰富，一直以来都备受消费者喜爱，但是由于苹果的品种、口感、大小、色泽、果形均存在差异，导致市场上的苹果类别很多，不同品种的，或者是同一品种的不同质量级别的。现在就国内情况来说，苹果的分级出现两个极端，要么就是传统的人工分级，要么就是由一整条生产流水线来完成分级，但是均存在它们各自的弊端：人工分级效率太低，而且仅靠肉眼会导致分级标准不一致，不同地方的同一类别的苹果品质也不一致，这样会不利于苹果的销售；而自动化生产线投入资金较多，占地面积很大，对整条线路的安装调试也需要专业人员进行操作，不便于普通小面积苹果种植户使用。针对以上问题，设计一种操作简单的小型苹果分拣机是很有必要的。

（2）国内外的研究现状分析：

在广泛查阅国内外的相关参考文献后发现，目前苹果的分级设备大都是基于机器视觉的，涉及到图像的采集、图像预处理、特征选择等一系列知识体系，而基于机器视觉的苹果分级遇到的最难的问题就是在识别缺陷的时候，系统无法将梗萼区域与各类缺陷识别开来，这也是影响分级设备识别精度的主要因素。另外也有一些地方由于成本有限，仍然在使用传统的机械分级装备，但是缺陷就是在分级过程中很容易造成苹果表面损伤，因此如果能够沿用机械分级方式同时又可以降低苹果损伤几率，就可以简化设备，用机械分级代替最原始的人工分级的同时还可以降低成本。

赵顺义等设计了一种苹果套网分级的装置，其中分级装置是通过一个带有四个不同尺寸孔径的筛板来实现苹果的大小分级的。

卢勇威使用了基于机器视觉的方法，按大小和表面颜色两个特征来分拣柑橘，先使用高速相机将柑橘定位、再结合PLC与两个并联机器人来控制并实现大果与小果的分选动作。

刘新庭提出了一种基于机器视觉的最小外接圆直径检测苹果大小的方法，结合图像预处理和特征提取等操作对苹果分级，对90个样本（30个小果，30个中果，30个大果）的红富士苹果的分级检测正确率为92.22%。

董腾等提出机器视觉代替人工对水果进行分拣，并将从水果图像中提取的特征值输入神经网络，在前人已有研究的基础上采用BP神经网络算法，得到的预计分拣率为98%。

肖仁等论述了基于机器视觉的分拣系统的构成及应用：主要由目标跟踪、目标识别及视觉伺服等部分构成，分别详细介绍了目标跟踪的几类方法、目标识别的构成以及视觉伺服的种类；基于机器视觉的分拣系统应用于水果、药片、工件和鸡蛋胚胎等的分拣。

任工昌等介绍了几种典型的机械分级方法，并着重介绍了滚筒式分级法，完成了滚筒式分级机构中V型导果板倾角及喂入的极限条件的计算。