带式输送机已广泛的应用于电力、矿山、水泥、冶金、港口和化工等领域，输送带为带式输送机的重要部件。在输送带的使用过程中，经常发生跑偏与表面裂纹等故障，严重影响安全生产。目前，对于输送带跑偏检测主要采用跑偏开关进行检测，该方法只能检测固定位置的跑偏故障，检测准确性和灵活性差，易损坏，可靠性差;输送带裂纹检测至今没有好的方法，主要通过带式输送机运行在验带速度下，靠人工检验方法进行检测，该方法检测效率低，劳动强度大，准确性差。因此，对输送带跑偏及裂纹的检测研究具有重要的理论意义和很高的应用价值。　　 本文对基于机器视觉的输送带跑偏及裂纹检测算法进行了研究。研究了基于机器视觉的输送带跑偏故障检测算法，提出了一种基于改进脉冲耦合神经网络(PCNN，Pulse Coupled Neural Network)和矢量法的输送带跑偏检测算法，该算法根据输送带图像特点对经典PCNN算法模型进行简化，分析与选取网络参数，再用矢量法标记出输送带的边缘，测量出跑偏位置，通过设置虚拟线框判断出输送带跑偏程度;研究了基于机器视觉的输送带裂纹故障检测算法，提出了一种基于显著性和最大熵的输送带裂纹检测算法，该算法根据人眼视觉系统对灰度图像中目标的方向、亮度等特征具有敏感性的特点，在频域提取输送带图像的谱残差，寻找选取感兴趣区域，并生成显著图，计算显著图的最大信息熵，利用最大信息熵提取裂纹图像后，再通过数学形态学的方法对提取到的裂纹进行弥合复原处理后得到裂纹图像，计算出裂纹的长度和面积。在MATLAB环境下，编写了上述算法的程序，并进行了实验，其结果表明输送带跑偏检测算法能够测量出输送带跑偏位置，判断出跑偏程度;输送带裂纹检测算法能够检测出输送带表面裂纹，计算出裂纹的长度和面积。　　 本文所研究的算法能够应用于基于机器视觉的输送带检测系统，能够实现输送带跑偏及裂纹故障检测，从而可以避免输送带撕裂和断带事故的发生，设备的损坏，停产和人员伤亡，减少了物料损耗和经济损失，提高了系统运行的安全性和生产效率，具有显著经济和社会效益，在电力、矿山、水泥、冶金、港口和化工等领域中具有广泛的应用价值。