近年来,很多工厂生产线开始大量应用计算机图像对高效生产、流程简化进行智能化处理,智能化是各个智慧工厂转型所必须要面对的,这显然已经成为了一种必然的趋势。早期研究表明,基于猪肉背膘的自动化检测装置,逐渐从硬件控制设备系统变成自动化软硬件结合的系统,通过设计并实现一种智能检测分析的平台,将计算机视觉技术利用到物品尺寸的测量、劣质物品的辨别以及物品的智能分类上,降低人工所带来的偶然误差以及工厂的机器使用成本是很有价值的。为探索计算机视觉技术能够对在线肉质品质进行检测评估的可能性,通过对猪肉背膘厚度的核心指标检测以及其他辅助等级指标的综合分析,本文主要设计与实现了基于图像处理的肉质智能检测的平台。本文基于传统的图像处理和计算机视觉相关技术,依据采集到的图像数据特性分析,根据对猪肉背膘厚度实时检测的需求以及要如何实现智能化分类的任务,研究了针对猪肉背膘厚度检测的算法。其一本文针对复杂的背景的图像,设计了一系列的图像处理任务,其中采用了双边滤波去噪、二值化处理、形态学的变换、分割复杂背景而改进的模糊C均值聚类算法以及基于改进的Canny边缘检测算法增强其轮廓信息。其二本文为了减小复杂的背膘图像横向所产生的误差,设计了基于多灭点的图像矫正算法。其三通过对目标图像曲折的轮廓信息进行了直线拟合设计,解决了图像轮廓纵向所带来的不平滑问题。试验结果证明,该方法在背膘允许的误差为上下1mm之内,可以认为其检测无误。在最终的背膘厚度检测的准确率高达95%,符合业内生产要求。其中在单品进行检测平均时间约0.5秒,符合智能化生产的实时性要求。平台通过对数据的采集、存储、分析以及处理为基础,对生产线猪肉的背膘实时检测并且及时处理对猪肉品质的分类任务,搭建了基于图像处理的智能质检平台。本文针对用户的需求进行分析并进行了总体设计。平台架构分为数据存储层、数据处理层、算法模型层、数据传输层、业务服务层以及客户端。在功能设计方面完成了登录模块、算法模块、定级分类模块、智能化分析模块以及基础管理模块等业务实现。最后经过系统的测试,肉质智能质检平台能够满足用户的功能性需求以及使用需求,能够让工厂有一个较好的智能化发展的方向,也给用户的体验以及使用带来了诸多便利。