目前卷烟市场中以“爆珠烟、细支烟”为代表的创新类卷烟市场占有率在逐年上升,突破卷烟市场增势瓶颈,为了保证爆珠烟的出厂质量,要在爆珠进入滤棒前、卷制过程中对爆珠及烟支表面进行质量把控。传统模式下人工检测在无法满足高效率生产的同时,还会存在误检漏检等问题,由于烟支表面质量检测受工人的主观影响较大,不能符合国家标准要求,因此,本文基于机器视觉与图像处理相结合的技术,对爆珠烟缺陷检测的关键技术进行研究。主要研究了以下内容:根据爆珠烟缺陷检测的相关技术要求,设计了基于机器视觉的爆珠烟缺陷智能化检测总体方案。完成了缺陷检测实验测试平台的搭建,对检测平台中输入模块、光源照明模块、图像采集模块、不合格品剔除模块等进行了方案设计。根据爆珠及烟支表面缺陷的相关检测要求,完成了爆珠烟缺陷智能化检测平台的搭建。针对爆珠形态及外观的缺陷特征,研究了基于图像处理技术的缺陷检测算法。为了保证在处理过程中对爆珠颗粒的单粒化提取,提出了基于改进类间方差法实现对爆珠单颗粒图像的分割提取;为了完成对爆珠中混入不同颜色的异色缺陷检测,提出了基于灰度分析的爆珠异色缺陷检测算法;针对爆珠出现破损产生漏液而导致爆珠内部出现的气泡,提出了基于非线性度变换的爆珠破损缺陷检测算法;针对爆珠的尺寸不合格缺陷,提出了基于贝叶斯估计的尺寸不合格缺陷检测算法。通过对爆珠多缺陷的同步检测,实验结果表明,本文提出的基于图像处理的爆珠多缺陷检测算法,能够高效准确实现爆珠烟卷制生产中爆珠质量的智能化缺陷识别检测,准确率符合生产要求。为实现爆珠烟烟支表面出现的折痕、脏污、破损、错牙等不符合国家标准要求的缺陷检测,提出了一种基于快速傅里叶变换（FFT）的烟支表面细微缺陷检测算法,通过FFT变换实现对烟支表面局部微小缺陷特征的提取检测;为了进一步提高烟支表面检测速度与智能化程度,提出了基于深度学习的烟支缺陷分类模型算法,通过对缺陷烟支与合格烟支的分类模型训练,实现烟支表面缺陷的高效智能化精准检测。经实验验证,采用基于深度学习的烟支缺陷分类模型检测算法准确率达98%以上,对每张图的检测速度可达7.89 ms。根据爆珠烟的缺陷检测需求,以Visual Studio联合HALCON软件开发平台,开发设计了爆珠烟的缺陷智能化检测系统,分析设计了相关检测程序,对软件界面进行了人性化设计,在满足实时显示检测状态与结果的同时,完成保存以及启停等操作功能设计,在实验以及实际生产运用中取得良好效果,有显著工业推广价值。