目前烟草物流行业主要使用基于扫码的条烟识别技术,但扫码时条烟的条码位置和方向、条烟的角度等因素都对识别效果有显著的影响,导致条烟识别时存在一定的局限性。近年来,机器视觉技术以其快速、精确和稳定等特点,被广泛应用于工业自动化领域中的定位、检测、识别和导航等项目。本文以基于视觉的条烟订单核对系统为研究对象,对系统的电气构成、视觉系统的选型与机械设计、条烟检测技术、条烟识别技术和订单核对系统软件的功能与实现进行了分析和研究。首先,结合烟草物流中心的实际情况,设计了一套安装在自动化分拣线末端的条烟识别与订单核对系统,用于对自动化分拣线分拣出的条烟进行实时的识别,并对相应客户订单完成核对工作,达到与自动化分拣线配合运行的效果。当核对过程中出现“错烟”、“少烟”和“多烟”的情况时,系统能够立即发出警报信号,暂停自动化分拣,并能以警报灯的形式提示现场工作人员。其次,针对条烟表面的反光特性,设计了一种有效获取条烟清晰图像的图像采集系统,完成了光源、相机、镜头等硬件设备的选型和视觉系统的机械结构设计。研究了基于边缘检测的条烟检测算法——包括Sobel、Laplace和Canny边缘检测算法和基于阈值分割的条烟检测算法。提出了一种基于背景差分法的条烟检测算法,并通过实验验证了该算法的有效性。然后,对条烟识别算法进行了研究。提出了一种基于分块彩色信息与最小误差分析的条烟识别算法,但当条烟种类较多达到上百种时,该算法会出现识别错误的风险。最后,提出了一种基于AGAST角点域特征和ELM的条烟识别算法。该算法通过对条烟特征点的稳定提取,并使用特征点邻域的彩色信息通过训练好的ELM快速识别条烟,以完成对具体订单的实时核对工作。最后,完成了条烟识别与订单核系统的软件编程实现,现场测试验证了本研究提出的算法和技术的可行性。相比于基于扫码的系统,不仅在识别效率上有明显的提升,而且还具备更强的泛化推广性。