电线电缆是电力及通信系统的重要组成部分，承担着电能分配、电力传输及信息传递等重要任务。随着国家建设及经济发展不断深化，特别是城乡电网加速改造、特高压输电工程陆续上马，电线电缆行业已经成为仅次于汽车行业的第二大国民经济产业，总产值占GDP的比重逐年上升。电缆料是指电线电缆绝缘及护套用材料，是电线电缆产品必不可少的配套材料。有关数据显示，绝大多数的电力事故由电线电缆的绝缘材料老化而诱发，这与电缆料的选择及原料的质量有密切的关系。近年来，制造电压等级在110kV以上的高压、超高压电缆绝缘材料所必需的超净生产工艺已经获得突破并被掌握，杂质颗粒的检测是超净生产工艺重要环节，掌握杂质颗粒的尺寸和形貌信息，有助于控制产品质量和调控生产工艺。另外，随着电力电缆电压等级的提高，对半导电屏蔽料的需求不断扩大，测试屏蔽料的表面凸起成为亟待解决的问题。　　本文以聚乙烯颗粒及聚乙烯半导电屏蔽膜为研究对象，以杂质颗粒及表面凸起为检测目标，基于机器视觉基本方法，设计合适的算法完成缺陷检测和形貌显示系统地研究了机器视觉的基本原理及图像处理相关技术，选择面阵CCD图像传感器为基础器件，配合以恰当的光源及镜头，获得了缺陷的原始图像。通过对原始图像的预处理，并根据检测目标的特点，依据直方图的灰度信息，采用合适的图像分割技术，对原始图像进行二值化处理。基于形态学基本原理，对二值图像进行腐蚀、膨胀、开运算及闭运算等处理，设计运用连通域检测算法对二值图像进行检测，实现对缺陷的判别与标记，获得杂质颗粒的大小与数量的。对于半导电屏蔽膜的表面突起而言，基于三角形原理，可以计算出凸起的高度及体积。实验结果表明，文中检测算法的设计合理可行，结构灵活、通用性较强，可以较好地满足基于连通域原理的各种缺陷检测要求。