纺织鞋面特征点冲孔是高端制鞋流程中的关键步骤之一,冲孔质量的好坏将直接决定了后续鞋样原料是否能与转印纸精确匹配。目前,我国大多数制鞋企业在该环节所采用的方式仍为人工冲孔,与发达国家的自动化冲孔相比仍有较大的差距。近年来,随着国内计算机信息技术的不断创新发展,机器视觉技术在工业领域的应用越来越广泛,采用机器视觉技术实现鞋面特征点自动化冲孔势在必行,在大幅度提高鞋企的生产效率的同时,降低了企业的生产成本,摆脱传统手工工艺的弊端。本文的研究目的是设计一个机器视觉系统,完成鞋面特征点的自动化冲孔。首先根据不同鞋面特征进行分析,提出了以Mobile Net V2为核心的鞋面分类神经网络,在保证分类准确性的同时,具有更快的处理速度。通过对整个项目的调研,结合具体的生产实际情况,对生产设备进行选型搭建,并完成了相机的标定。采用视觉算法,对工业相机采集到的图像进行预处理操作,滤除部分外界干扰,接着对鞋面的整体轮廓进行提取,减少了后续步骤的计算量。最后,提出了以模板特征匹配为基础,对鞋面进行两次特征匹配提取,实现鞋面特征点的定位冲孔。本文主要以Visual Studio 2015为平台,利用C#作为编程语言,实现了数据信号的接收与坐标数据的发送,并针对鞋面特征点的识别定位,搭建了相应的可视化人机交互界面。在图像处理模块中,主要采用了专业工业视觉软件Vision Pro实现了对图像的处理,简化了研究人员的编程工作量,并最后进行了实验验证,验证了本文提出的算法和实验系统的准确性。本文所研究的基于视觉系统鞋面特征点检测来源于鞋企的实际生产需求,具有一定的实际应用价值。