染色管作为纱线印染过程中必不可少的材料,其优劣不仅决定了自身的再利用可行性而且严重影响纱线印染质量。若能实现染色管生产实时缺陷检测,既能高质量产出,又能减少对印染造成的麻烦,一举两得。当前国内染色管缺陷检测主要依靠人工判断进行产后次品检出,效率差,准确率低。而基于机器视觉的缺陷检测具有自动化、快速和精准等诸多优势。因此,可考虑采用机器视觉检测的方式实现对染色管的高效检出。依托实际项目需求,本文通过理论学习、算法研究,开发了一套较为高效的染色管视觉检测系统。本文的主要工作和创新点如下:(1)目前国内少有在染色管生产过程中针对染色管是否存在切长不合格、凹陷、毛刺、端面不平滑以及制孔数量不足这5类缺陷进行基于机器视觉的实时在线检测。基于此,本文进行了染色管缺陷检测机器视觉系统的研究与实现。(2)对缺陷检测图像处理进行深入研究,实现了图像预处理、图像分割和缺陷目标识别3类算法的设计与选取。图像分割阶段,基于Otsu准则,将阈值的遍历范围从[0,L-1]缩短至[[μ_T/2],L-1],减少了算法运行时间,具有普适性。这里μT表示图像灰度均值。针对采集图像,对Otsu算法进行改进,引入基于阈值范围限定的多级Otsu分割策略,改善了图像分割效果。缺陷目标识别阶段,依照实际检测环境、具体缺陷类型,设计了相应的缺陷识别算法。针对切长不合格缺陷,设计了基于基准边缘线的缺陷目标识别算法;针对凹陷缺陷,采用管壁极点测距方式进行缺陷目标识别;针对毛刺和端面不平滑缺陷,采取基于滑动窗策略的缺陷目标识别法;针对制孔数量不足缺陷,则基于快速定位查找方式进行缺陷目标识别。(3)对检测系统设计与实现进行了研究,从硬件和软件2部分进行展开。硬件部分包括图像采集模块和执行控制模块;软件部分包括图像处理模块、告警反馈模块和交互界面模块。(4)在工厂检测环境下,对检测系统从缺陷检测算法准确性测试,数据库功能测试和系统整体性能测试3个方面进行了测试及分析。结果表明,本论文设计的系统能稳定运行,准确率可达90%,符合设计需求,完成预定目标。