食品异物危害人类健康,影响食品工业的发展,利用计算机视觉和图像处理技术对食品进行检测,具有无损食品,检测快速、准确、可靠等优点。本文以铝铂纸包装的鸭肫为研究对象,通过对X射线照射后的鸭肫图像进行研究,实现基于计算机视觉和图像处理技术的鸭肫异物提取和识别。本文研究了X射线数字图像的成像优化方法和校正方法,分析了X射线下鸭肫图像成像特点,建立了在不同的管电压、管电流下背景、鸭肫及异物的X射线衰减系数的像素数值数学模型,模型的拟和度达到0.995;为保证异物分割效果良好,提高异物检测速度,提出了一种合理设置X射线参数(管电压、管电流)数值的方法。本文分析了X射线成像系统中图像增强器和CCD摄像机产生噪声的原因,为提高图像采集质量,减小噪声干扰,提出多帧平均滤波处理,减少图像中随机噪声;为保证鸭肫异物图像细节清晰,采用5×5高斯滤波方法对鸭肫图像进行滤波去噪。本文研究了X射线鸭肫中异物图像的判断方法,利用自动阈值最大值方差分割法将鸭肫与背景分割;再用主动轮廓线模型的方法,通过限制鸭肫图像异物大小范围和较大梯度变的区域,将鸭肫中异物成功分割,此方法的异物判断精确度较高,能准确判断出直径在0.2mm以上的石头、骨头,金属丝等异物。在上述研究的基础上,通过对鸭肫异物形状、灰度等特点的分析,选择了一组能够准确反映异物本质的特征参数,并给出了特征参数的计算方法,采用具有自组织、自适应的BP神经网络算法对鸭肫异物图像进行智能识别。本文所提出的X射鸭肫异物识别方案经过了有限样本的仿真和部分实验,获得了比较理想的效果。本研究在Visual c++.net平台下开发了一套鸭肫图像异物自动判断以及图像处理分析软件,系统能初步实现鸭肫图像在线异物识别,并可实现图像处理与分析的基本功能。