手机包装过程中,在将手机和说明书、适配器等配件放入包装盒后,因包装盒外观印刷字体、产品标签、字符等可能在此过程产生破损,会造成某些信息的丢失,所以需要对其外观进行检测。传统的人工检测方法要与包装盒直接接触,易造成划伤,而且检测时会加入主观思想影响检测的准确度,长时间、大量的重复工作也会让检测人员疲劳,出现漏检误检现象,且效率较低。随着生产自动化水平和人工成本的提高,手机生产商对包装盒自动化检测设备的需求越来越大。针对上述需求,本文提出了一种基于机器视觉的手机包装盒检测系统,通过把机器视觉和运动控制相联系:首先利用图像处理算法将采集的包装盒图像预处理,再针对各种缺陷做相应的算法检测,实现检测准确度高、速度快以及运行稳定的检测效果,进而提高生产效率。本文主要以手机包装盒为研究对象,根据需求进行系统设计和硬件的选型。针对各个检测项特点,对图像进行预处理研究分析。图像的预处理主要包括图像滤波、几何定位、几何变换和目标区域的提取等算法研究,针对字符区域的提取,提出了一种基于连通域与几何特征的字符分割方法。并且本文分析了印刷字符检测、条码缺陷检测和字符识别的检测特征,并做出验证分析。针对印刷字符检测,本文介绍了灰度阈值法和图像差分法;针对动态条码检测,本文提出了一种基于连通域与几何特征的断码检测方法和基于数学形态学的条码破损检测;针对字符识别,研究了基于图像灰度匹配的字符识别、基于CNN的字符识别和基于BP神经网络的字符识别方法。最后对系统集成和系统检测效果分析,设计了软件界面布局和检测项的创建,对软件的实际检测效果进行收集,分析其各项功能能否达到预期效果。经验证和综合测试分析,基于机器视觉的手机包装盒检测系统满足现场生产要求,能够准确的检测缺陷,在速度和稳定性上也能达到要求,其成本和效率远远优于人工检测模式。图84幅,表3个,参考文献85篇。