一直以来，农业作为第一产业在古今中外所有国家都占据着举足轻重的地位。我们经常会介绍工业生产中“机器视觉”的应用，其实，在农业生产中，随着生产力的不断解放，农业生产也由脸朝黄土背朝天开始迅速的向机械化自动化的转变，而“机器视觉”技术也越来越广泛的应用在了农业领域。例如：果实采摘、农产品质量分级、农田病虫害控制等等。今天，我们介绍一下种子质量选择中机器视觉的应用，来窥豹一斑。
育种种子的缺陷与损伤、形状和颜色是品质的重要特征，要求色泽均匀、大小适中、不能有疤痕、腐烂、干瘪，由于种子大多都量大，并且相对较小，人工进行分拣的难度就会耗时耗力且存在较大的误差，利用机器视觉进行检测则有效的降低了这种不足。
利用机器视觉检测种子，不同的种子要对其形状、色泽等不同的特征分量进行区分。不同特征分量选择不同的图像提取方法，增加识别率。针对色泽、霉变、疤痕等特征，一般用不同的光源，根据成像后不同的颜色阙值进行特征值对比；针对不同的种子，不同的检验标准还要采取多种算法进行检测，通过模型不断的试验，达到最终的筛选结果；针对干瘪，形状等特征，一般采取边缘提取，尺寸矫正等，然后提取面积、周长及圆形度的参数，再用算法进行数据提取分析。在检测过程中，还会遇到混入不同种子、种子黏连等特殊情况，容易造成误判现象，也需要根据不同的情况进行图像的二次处理，再用算法解决剔除和分割的问题。
可以说，种子的分拣是机器视觉在农业生产中一个最基础的应用，属于机器视觉缺陷检测的一种，同时，因为种子的多样性，个体的差异性，对检测的要求会更高，高效的实现分拣对算法也有更高的要求。利用机器视觉进行检测不仅可以排除主观因素干扰，克服了人工检测费时费力的缺点，还对种子实现了高速、准确以及无损检测，而且还能对这些指标进行定量描述，具有人工检测无法比拟的优越性。
