塑料吸管作为奶制品行业的副产品,随着经济发展和人民生活水平的提高,奶制品行业的发展也推动了塑料吸管行业的高速发展。但是,由于加工工艺的原因导致生产出来的吸管存在许多缺陷。对此,本文提出了一种基于机器视觉的塑料吸管缺陷检测方法研究,实现了吸管缺陷检测系统设计,分别研究了伸缩吸管和U型吸管缺陷检测方法。首先,对吸管缺陷检测系统软硬件进行设计。通过系统的需求分析明确了相关功能及性能指标要求,在分析了现有硬件产品的优缺点上,进行了光源照明模块和图像采集模块以及处理器的选型和剔除机构的设计,并完成了硬件系统的搭建。软件设计上,为满足本课题的图像采集、光源控制、图像处理算法开发、人机交互界面的需求,并考虑到后期的高扩展性和可移植性,以Py Qt5为主要开发工具,基于MVC框架实现了上位机软件的设计。其次,对伸缩吸管缺陷检测方法进行研究。为解决由于吸管表面光照不均匀带来的图像灰度值不均匀和低对比度问题,采取了同态滤波的方法进行图像预处理。并针对不同类型吸管提出了差异化的缺陷检测方法。针对单支内管和单支外管缺陷,提取了面积和周长两个几何特征,采用双阈值分类算法进行缺陷检测;针对缩口起皱缺陷,采用自适应阈值分割和Canny边缘检测后进行图像融合后,进行形态学极值运算提取了缺陷区域;针对封口起皱缺陷,采用了OTSU阈值分割算法获得吸管区域二值化图像,并提出了一种新的二值化图像角点检测算法获得了吸管的四个角点,采用最小二乘法进行线性拟合并根据均方根误差RMSE进行缺陷判别;针对内管露出缺陷,使用Canny边缘检测算法和八领域断点检测算法获得轮廓的断点,并对断点进行连接后采用区域填充算法获得吸管区域,通过计算吸管区域平均灰度值并与模板库中无缺陷伸缩性吸管的平均灰度值进行阈值判别完成缺陷检测;并且对每种缺陷类型都完成了由缺陷检测方法分析到缺陷检测方法验证的全过程。再次,对U型吸管缺陷检测方法进行研究。首先,采用了基于阈值分割和连通域标记算法获得ROI区域,并根据ROI区域数量和面积大小进行抑制获取了待检测吸管区域。然后,针对每一类缺陷采取了差异化的缺陷检测方法。针对空膜缺陷,可直接通过待检测吸管区域的数量进行缺陷检测;针对头部问题和压管缺陷,提取了几何特征后采用多阈值分类算法进行缺陷检测;针对异物黑点缺陷,通过均值滤波进行图像增强后采用自适应阈值分割算法提取缺陷区域。最后,对异物黑点缺陷进行分类识别。由于图像噪声的存在,导致提取的异物黑点缺陷区域存在伪缺陷。针对此问题,进行了缺陷样本特征库的建立,提取了缺陷23个特征后采用PCA降维后,通过CNN卷积神经网络分类器进行模式识别,经过模型训练和10折交叉验证后,测试集检测准确率达到95%,验证了算法的有效性。