针对目前内镶迷宫滴头滴灌带生产过程中存在的打孔质量不稳定且普遍采用人工检测的现状,将机器视觉技术应用到滴灌带生产中。通过工业相机采集现场图像并进行一系列的图像分析与处理,识别、测量得出滴孔的位置偏差。然后将位置偏差反馈给控制器并控制打孔机进行调整,从而使系统形成闭环,实现滴孔加工位置的在线检测与反馈调节。在对检测系统进行总体结构和工作流程设计后,对机器视觉模块进行硬件的选型与安装。然后重点对基于机器视觉的滴灌带滴孔孔位在线检测算法进行研究,基于滴灌带视觉辨识的实际情况,将辨识过程分为粗辨识和精辨识2大步,主要内容如下:首先,在粗辨识中,提出了一种基于LBP与卷积神经网络的孔位辨识算法。该算法在TensorFlow框架下,将LBP纹理特征提取与卷积神经网络深度学习算法相结合,搭建了滴孔孔位粗辨识的数学模型,可对滴孔孔位进行粗辨识以识别判断出正常孔位和其他3种非正常孔位,将辨识结果反馈到控制器,实现打孔位置粗调。通过对比实验,验证了其孔位辨识的有效性。其次,针对滴孔孔位的精辨识要求,提出了一种基于光照泛白区域多次深度提取滴灌带ROI并进行边缘强化提取边缘的优化算法。该算法包含了图像预处理、初步提取滴灌带ROI、光照泛白区域提取ROI和图像边缘强化,为后续孔位精确辨识提供了基础。第三,对滴孔孔位的精确检测算法进行研究。基于Hough圆变换算法,实现了滴孔中心辨识,并通过对比试验验证了本文提出的边缘强化优化算法对滴孔中心辨识的有效性。通过深度提取ROI、图像直方图均衡化和Hough线变换算法,完成了滴头前沿边界的辨识。然后完成了滴孔中心到滴头前沿边界的精确测量。最后,通过大量的对比试验证明,本文提出的滴孔孔位检测算法比一般检测算法具有更高的检测精度,孔位测量的平均相对误差仅为4.96%,完全能够满足打孔机闭环控制的要求。