随着国家“智能制造2025”战略的提出,智能化的工业自动化生产线已经成为一种趋势。我国是饮料大国,加快饮料生产线的智能化升级成为推进智能制造装备的重要应用。机器视觉检测与控制技术是提升饮料生产线上装备性能的关键,能够改善传统的依靠人工识别造成检测速度慢、效率低、精准差等缺点。本课题针对易拉罐饮料生产线上的封装产品金属罐盖的缺陷检测,基于机器视觉技术设计了一套完整的罐盖缺陷检测系统。本文的主要研究内容和工作概括如下:首先,本文总结分析了当前饮料工业生产线意义;介绍了机器视觉系统的组成和应用;针对目前国内外易拉罐质量检测的研究现状作了详细分析,并对罐盖表面缺陷检测的主要方法进行了概述。其次,针对饮料生产线上罐盖检测需求,详细介绍了罐盖视觉缺陷检测系统的硬件组成。在机械结构上,设计了传送机构以及次品剔除装置;在电气控制系统上,提出了基于PC和PLC的控制方案;从照明方案、摄像机及镜头的选择几个方面进行分析,搭建了合适的视觉检测平台。为了更好的检测罐盖上存在的缺陷,对罐盖图像进行增强、分割以及定位等预处理的关键技术进行了深入的探索与研究。罐盖的定位算法是机器视觉检测算法的核心部分,针对罐盖图像的定位,分析比较了重心法和最小二乘法拟合法两种方法的优缺点,并在两种方法的基础上提出了一种改进的最小二乘法,该方法首先采用重心法对罐盖图像进行预定位,然后根据预定位的结果将罐盖分为四个半圆环,采用最小二乘拟合法得到四个半圆环的半径和圆心,根据残差统计量分析拟合的效果,并舍弃统计量大于3.0的拟合参数,最后通过对剩下的半圆环拟合参数加权得到最终的圆心和半径。针对罐盖缺陷种类繁多以及结构复杂的特点,提出一种分区域的缺陷检测方法,将罐盖检测区域分为圆形区域和环形区域,对于圆形区域采用基于Blob分析的缺陷检测方法,对于环形区域的缺陷检测,提出了一种基于最小二乘拟合垂直灰度投影曲线的算法,根据拟合曲线的残差统计量判断灰度投影曲线的拟合效果并基于此分析是否存在缺陷。此外,本文还进一步研究了基于分块PCA和BP神经网络的方法实现对整个罐盖缺陷的检测,并对比分析本文提出的分区域缺陷检测算法和基于分块PCA和BP神经网络的算法。最后,设计开发了罐盖表面缺陷视觉检测系统的软件平台。实验表明,本文的罐盖缺陷检测系统检测准确率可以达到96%以上,单个罐盖的平均检测时间18.6ms,能够满足饮料工业生产线的需求。