针对现有食品包装印刷品缺陷检测算法存在漏检率高、识别分类准确度低、实时性差等问题,对食品包装印刷制品开展了图像配准、图像缺陷检测、缺陷分类等算法研究,采用一种基于机器视觉的食品包装印刷缺陷实时检测技术,满足了工业现场生产实际要求,论文主要研究内容及成果如下:（1）总体设计。根据检测需求,提出了基于机器视觉的食品包装缺陷检测系统的总体设计方案,搭建了机器视觉检测的硬件系统,确定了印刷缺陷检测的流程。（2）相机标定与预处理。对相机进行标定确定了图像采集参数,并完成图像的预处理,经过多组实验对比,选择加权平均值法、高斯滤波、线性灰度变换和最大类间方差法分别完成图像灰度化、图像去噪、对比度增强、图像分割工作。（3）图像配准。结合霍夫变换求取边缘直线抗噪声好、精确度高的特性,针对其计算量大的问题,提出一种基于外轮廓与限制动态参数的霍夫变换相结合的图像配准算法。该算法利用轮廓信息进行图像粗配准,根据粗配准的先验信息,在ROI中利用限制动态参数的霍夫变化搜索直线,采用特定区域法对相交点进行配对,完成精配准。经过实验验证,该算法在精度和速度方面综合表现良好。（4）缺陷检测。针对阈值法制作检测模板阈值难确定的问题,提出一种改进的阈值法的检测模板制作方法;结合人眼视觉特点设计动态阈值图像差影法对缺陷图像进行二值化,并利用Canny算子和形态学处理剔除缺陷二值图中的边缘伪缺陷,利用形态学处理融合离散缺陷和去除孤立点。利用本文算法、差影法、分区域检测法与分层搜索法分别对印刷图像进行实验验证,结果表明本文算法在误检率和准确率方面表现最好,在漏检率方面有待提高。（5）缺陷分类。对游程编码进行研究,提出改进游程编码的缺陷标记算法,完成对缺陷区域的标记,并完成缺陷特征提取和数据预处理,制作印刷品缺陷数据集。为解决传统BP神经网络算法收敛速度慢、容易陷入局部最优的问题,利用遗传算法（GA）对BP神经网络初始权重和阈值优化。最后利用训练集分对BP神经网络、GA-BP神经网络、支持向量机（SVM）进行训练,再利用测试集进行验证,结果表明GA-BP神经网络拥有更好的分类效果。