为了实现外观缺陷自动检测,研究了基于机器视觉技术的外观缺陷检测系统。首先针对外观缺陷图像特点,分析了采用灰度阈值及单一颜色模型分割缺陷的局限性,提出基于混合颜色模型的缺陷图像分割方法,实现了外观缺陷快速、准确分割;然后通过分析外观缺陷特点,分别从形状、颜色和纹理共选取了12个类别差异明显的特征参数,提取了外观缺陷特征;***后选择BP***网络作为缺陷分类器,根据经验和实验确定了***网络结构及参数,并分析了传统BP算法在外观缺陷分类应用中的不足,通过改变收敛标准、自适应调整步长和引入动量项以优化BP算法,改善了***网络分类效果。于机器视觉技术对板材表面缺陷检测进行研究,设计了在线检测的硬件系统和软件处理流程,介绍了图像预处理、图像分割和目标提取等处理方法并对缺陷图像进行相应处理。利用C软件对板材缺陷在线检测进行人机交互界面设计和在线调试及在线检测。实验结果表明,本检测方法可行,误检率低,可很好地应用于木材自动化生产过程的在线检测。采用机器视觉检测系统，可以实现稳定、连续、可靠的产品检测，克服人工检测易疲劳、个体差异、重复性差等缺点，可帮助企业提升产品质量水平，提高生产效率，降低生产成本，机器视觉检测包括：盒装食品外包装检测：对盒装食品的外包装进行检测（包括外包装破损、标签有无、生产日期有无等检测）；透明瓶装饮料的液位及瓶盖缺损检测：对透明瓶装饮料的液位进行检测，保障饮料灌装的一致性；对瓶盖包装进行检测，剔除漏装瓶盖、瓶盖歪斜等不良品；)