金属罐是一种常用的金属包装容器,相比于纸质容器,具有密闭性较好及能抗较高内压的优点。由于自身材质的特性以及制作工艺的影响,导致金属罐内壁出现边缘变形、沙眼、凹坑及脏污等常见缺陷,而其内壁缺陷是衡量金属罐质量的一个重要因素。基于机器视觉的表面缺陷检测是一种快速的非接触无损检测方法,为实现基于机器视觉的金属罐内壁缺陷的自动检测,在现有金属罐内壁样本的前提下,对金属罐内壁图像采集与图像处理进行了研究。本文综述了国内外机器视觉的发展,重点阐述了基于机器视觉的金属罐内壁缺陷检测的研究进展和现状,指出了同类研究中的特点以及基于机器视觉金属罐内壁缺陷检测的研究需求。本文分析了基于机器视觉图像采集重要性,阐述了摄像机、镜头、光源的理论基础,给出了图像采集器件选型依据与方法,设计了基于机器视觉的金属罐内壁缺陷检测的两级图像采集方案,并在此基础上完成图像采集。本文介绍了数字图像处理理论,设计了金属罐内壁缺陷检测技术路线,并细化了技术路线的算法流程。基于视觉软件HALCON,对实验采集到的样本图像进行处理。实验结果表明,本文所设计的图像采集方案能采集到缺陷呈现一定对比度的图像,而所采用图像处理算法可以实现金属罐边缘变形、沙眼、凹坑及脏污缺陷的检测。本文的研究对金属罐内壁基于机器视觉缺陷检测系统的实现具有一定参考意义。