镍冶炼厂镍电解车间电解系统采用“硫化镍可溶阳极隔膜电解”工艺生产精炼电解镍。电解过程中,工人需定期将电解镍阴极板拎起,查看电解镍的阴极板表面缺陷情况并挑出,同时检查补液口的水流状况。该检测过程费时费力且检测标准不稳定,是制约镍电解生产过程质量控制及效率提升的主要环节,通常情况全自动化的检测是解决以上问题的主要手段。本文是针对于镍电解车间自动巡检机器人的软件检测部分,主要内容研究了常用的计算机视觉算法实现对上述问题的检测功能。本文是自动巡检机器人中重要的一环,是解决具体检测任务的关键。本文首先解决阴极板表面缺陷检测,其图像处理包含动态阈值的二值化方法对阴极板图像区域进行分割,边界追踪的方式对已经分割好的阴极板区进行追踪获得其轮廓信息,多边形近似的方式将阴极板轮廓近似成为四边形,以及透视变换的方式矫正形状,最后裁剪为整幅阴极板图片,图像检测包括提取图像灰度,纹理和轮廓特征并采用主成分分析法(PCA)降维得到更好的特征向量,采用支持向量机(SVM)对特征进行分类判断,以及通过滑窗检测的方式对整幅阴极板图像进行检测,在现有样本下准确率可达到82.3%;然后解决电解液补液状况检测,图像处理包含对电解液补液区域的视频样本进行临近帧间差分,对背景进行抑制,以及中值滤波获取水波纹区域轮廓信息,图像目标检测包含通过级联分类器实现水波纹和水流的目标检测得出检测结果,提取水波纹轮廓特征并通过支持向量机(SVM)对检测结果对级联分类器的结果进行进一步的分类判断,得出最终判断结果,在现有样本的情况下检测准确率仍能满足系统要求。经总结,在现有的样本条件下,本文提出的检测方法具有对上述问题的一定检测能力,具有很好的工程应用价值和学术参考价值,未来在各方面条件成熟的情况下可以在现场进一步实践与调整甚至是方法上的改进。