钮扣作为服装的常用部件,每年被大量生产。钮扣在生产加工的过程中不可避免的会产生一些缺陷。目前缺陷检测工作主要由人工完成,人工检测存在慢速、低效率、用工成本高等缺点,各大钮扣生产厂商迫切呼吁人工检测被智能化检测设备所取代。本论文在以智能相机为核心的机器视觉平台上,对钮扣的几何特征提取、颜色特征提取算法,线孔堵孔缺陷检测、边缘破损检测、色差分级算法进行了研究。针对钮扣的特征检测,本论文对图像前景分割、目标定位、钮扣内外轮廓的提取、图像彩色模型进行了深入的研究,设计的算法能够准确的提取各种不同类型的钮扣的面积、外圆直径、线孔个数、线孔直径、线孔中心距等几何特征以及颜色特征。针对钮扣的缺陷检测,本论文提取有效的特征向量,并采用模式识别方法进行识别分类。针对钮扣堵孔缺陷,以线孔面积的方差与线孔面积均值的平方的比值,作为特征向量,并采用支持向量机SVM进行训练、识别;针对钮扣边缘破损缺陷,以钮扣外轮廓上的点到钮扣所在圆中心的距离的方差与距离均值的平方,作为特征向量,识别钮扣的边缘破损缺陷;针对存在色差的钮扣,以钮扣区域所有点的HSV均值,作为特征向量,并采用K均值聚类算法对钮扣的色差进行训练、分类。算法在PC端经验证后移植到智能相机平台,并进行优化,算法速度得到了显著提升。经过大量的测试,实验证明:算法能以9帧/s的速度准确的获取钮扣的几何特征和颜色特征;线孔堵孔缺陷检测算法准确率为95%、速度为20帧/s;边缘破损检测算法准确率为95%,速度为20帧/s;色差分类算法能够对存在色差的钮扣进行准确分类,同一类钮扣色差一致性良好,速度达到15帧/s.