废纸箱回收再利用不仅极大程度上缓解了造纸原料短缺的问题,而且可以减轻环境污染,具有广阔的应用前景。但是,很多废纸箱存在覆膜、胶带缠绕等现象,在快递领域,货物的包装运输会使用大量胶带对纸箱进行加固和保护,在生产领域,大多数产品会使用覆膜包装箱以便防潮防污和加固。当这一类废纸箱进入纸厂的再生产流程,其塑料及胶粘物将影响二次纤维的纯度,甚至造成设备损坏,所以需要对废纸箱进行分类,将覆膜废纸箱剔除后单独处理,再用于造纸制浆。目前,覆膜废纸箱分拣主要依靠人工肉眼进行识别,由于人类主观因素的影响和人眼不可避免的产生疲劳,废纸箱的分类效率较低且误检率较高,这将导致二次纤维纯度大大降低,影响纸张的质量。机器视觉技术具有效率高、自动化、智能化等优势,可以替代人眼检测,满足覆膜废纸箱高效分类识别要求。本文基于机器视觉技术,以覆膜废纸箱为研究对象,研究了一种废纸箱分类识别技术。针对现有的图像增强算法难以解决本次采集到不均匀光照图像引出的问题,提出了改进的MSRCR彩色图像增强算法进行图像增强,紧接着对废纸箱进行特征提取,最后采用支持向量机(SVM)分类器对废纸箱进行分类识别。本文主要工作如下:1、依据实际识别需要和对废纸箱类型的分析,对采集图像系统的各个组件(CCD工业相机、镜头、光源和工控机)选型,合理搭建图像采集平台,采集大量不同类型的废纸箱图像。2、为了减小图像处理工作量、提高程序运行效率,采用等间隔采样技术对图像进行压缩。运用基于Retinex理论的图像增强和改进的MSRCR彩色图像增强算法分别对图像进行增强,并验证了改进算法的有效性。利用高斯滤波器降低图像噪声。图像的分割方法及形态学处理为下一步的特征提取提供准确的基础支撑。3、针对废纸箱分类识别,利用纹理特征和形态特征对处理后的图像进行特征值提取。采用支持向量机SVM算法对废纸箱进行识别分类。实验结果表明,该方法可以有效的对图像进行分类,而且准确率较高。