中国是羽毛球生产大国,产量占全世界一半以上。羽毛球的生产工艺自诞生起150多年没有较大改变,仍是半机械半人工的生产方式,属于劳动密集型行业。随着劳动力成本的增加,企业必须提高生产的技术含量,减少人工,因此研究羽毛球自动化生产有巨大的实用价值。国内部分机构对羽毛球自动化生产进行过研究,成果集中在羽毛的尺寸测量上,缺陷检测研究得较少。然而毛杆上的折痕影响到羽毛球的耐打程度,是羽毛球质量的重要检测项目,必须在生产的第一环节进行。基于机器视觉的毛杆缺陷检测,是将羽毛按规定方位固定到采集工位,使用几个从不同角度对着工位的摄像头采集羽毛图像,对采集到的图像进行综合分析处理,先提取羽毛杆,然后继续在毛杆上检测缺陷,最后将检测结果发送给羽毛投递系统,完成羽毛的分类。自动化设备必须有较高的检测速度才能满足每日生产需求,图像分辨率是影响检测速度的关键,毛杆缺陷检测将在有限的图像分辨率上进行。研究存在以下难点：首先,部分缺陷由于结构和尺寸的原因,在垂直照射的环境下不能清晰成像；其次,羽毛杆与羽毛叶的色差以及毛杆与折痕缺陷的色差都较小,很难通过色差亮度等进行区分；再次,毛杆的表面有隆起以及图像中的边缘表现,使毛杆区域呈现一定的灰度梯度,该灰度变化尚无通用的方法补偿,在此背景下无疑加大了导数法缺陷检测难度；最后,检测时需分为两步：先提杆,后检测缺陷。二个步骤都要有较高的精确度才能保证缺陷检测的准确性。据所查的文献资料,直接解决相关问题的文献很少,因此,解决毛杆缺陷的检测具有理论研究价值。针对以上缺陷检测过程中的难题,本文从缺陷光学成像分析开始,对毛杆缺陷检测各过程的预处理、毛杆提取、缺陷检测及缺陷识别进行了系统的研究,主要的研究成果及创新点简述如下：1首次研究光源照射角度与缺陷成像之间的理论关系,建立缺陷的成像公式,提出增加采集侧光照射的图像,然后对多幅采集图像进行综合判定的检测方法。仿真和应用结果都表明,该方法能使正光照射时不能成像的缺陷在侧光采集时清晰成像,有利于提高缺陷识别率。同时针对侧光采集时图像上亮度不一致现象,推导出亮度分布函数,据此对图像补偿。函数可预先计算,能极大提高检测时补偿速度。2研究羽毛图像中的毛杆提取方法,根据毛杆中心线和宽度变化连续的特点,首次提出和建立基于中心线和宽度变化的动态轮廓模型,并给出迭代求解公式。实验结果表明,新算法的计算规模和计算复杂度均小于原始动态轮廓算法,且能有效地避免噪声和强边缘干扰,对于细长类目标的快速准确提取具有推广价值。3研究基于复扩散滤波的缺陷边缘保持,提出耦合冲击滤波的复扩散函数对图像滤波方法。该方法在复扩散同时,叠加适当的冲击函数,由依赖边缘强度的冲击函数来选择增强或抑制效果。实验结果表明该方法的边缘保持和去噪效果优于其他算法,具有应用价值。4研究基于脊波的缺陷检测算法,提出小对象上的边缘检测改进算法。该算法区别对待图像中的背景和检测对象,并通过拉伸增加对象在图像中的面积。实验结果表明,该算法能有效地检测出多种角度的微小缺陷,有利于提高缺陷识别率。算法对于其它小目标上的缺陷检测具有参考价值。5建立全自动羽毛检测平台。集羽毛尺寸检测,颜色检测和缺陷检测为一体,减少单独检测时占据的中间环节。检测平台填补了羽毛自动化检测的空白,具有很好的实用价值。