在食品和医药两大民生行业中,产品外包装的标签作为商品的重要组成部分,有必要对其外观、完整性和内部信息进行在线全检。机器视觉检测稳定可靠、速度快、精度高,可替代人工目检对产品标签缺陷进行有效检测和分类。由于包装瓶多为圆柱体,那么圆柱产品标签一般是粘贴或者套在产品的圆柱面上,相对于平面包装外观检测难度更大。本文研究了圆柱产品标签缺陷检测算法,基于机器视觉和机器学习技术,设计了一套完整的圆柱产品标签缺陷检测解决方案。本文主要工作有以下几个方面:(1)对圆柱产品标签常见缺陷检测要求,分析了圆柱产品标签采用机器视觉检测缺陷的难点,基于机器视觉检测的一般流程,设计了本文圆柱产品标签缺陷检测算法的总体思路。(2)设计了一种圆柱体标签图像拼接算法。圆柱标签原始图像由四个相机从不同角度拍摄获取,需要拼接成一张完整的标签图像。本文建立了四相机评估模型、3D圆柱畸变矫正模型和匹配方法来获取完整连续归一化的圆柱产品标签展开图,保证后续检测算法的通用性和有利于检测算法的速度优化。(3)针对圆柱产品标签的形位缺陷、颜色缺陷和内容缺陷使用特征阈值缺陷检测法进行检测判断,而边缘外观缺陷则采用SVM分类器缺陷检测法进行检测判断分类。(4)根据企业实际需求,设计了圆柱产品标签缺陷检测系统的总体实验方案,具体内容包括系统硬件架构、软件架构、视觉硬件选型。搭建了相应的实验平台,将本文研究的圆柱产品标签缺陷检测算法应用到该硬件系统上,可实现圆柱产品标签缺陷的在线全自动化视觉检测。实验结果表明,在所有检测项目都启用的情况下,系统检测结果漏报率为0,误判率为0.2%,外观缺陷分类准确率高于97%,每个标签平均检测时间为480ms,检测结果准确度和检测速度均可满足企业需求。