在饮料食品行业中,标签包装是饮料生产中必不可少的一道工序,标签承载饮料产品的关键信息,其质量的好坏、生产是否合格决定着该饮料是否能够在市场上进行销售。而在标签包装的过程中会由于各种原因而导致饮料漏贴标签以及标签破损等问题。随着计算机运算处理性能的日渐提高,使得机器视觉在各行各业的检测上的应用日渐成熟,不仅解放了人工劳动力而且还大幅提高了生产效率,因此实现饮料柱面标签缺陷检测的自动化对于企业的生产具有重要的意义。本文设计了适用于柱面标签缺陷检测的软硬件系统方案,在硬件平台的基础之上通过一系列图像处理技术来得到柱面标签展开图像,从而实现对饮料柱面标签的缺陷进行检测。本文的主要研究工作如下:（1）分析了饮料包装标签生产线以及柱体饮料的特点,设计并搭建了检测系统的实验平台,对重要硬件选型进行了详细的介绍。实验平台采用四相机工位来对标签图像进行采集,并采用四个LED条形光源使得采集的图像达到理想的亮度且光照均匀。（2）对相机采集的原始图像进行预处理设计。使用了中值滤波以及高斯滤波对其进行降噪处理;设计了一种适用于柱面标签区域的分割方法,运用边缘检测以及霍夫变换来检测柱面标签的左右边界线并对倾斜的饮料瓶进行校正;最后提出了柱面反投影算法来对具有畸变的柱面标签进行校正。（3）对预处理之后的相邻标签图像之间进行配准和融合。对目前主流的特征点提取算法应用在标签图像上进行了分析对比,提出了基于区域分块的ORB特征点匹配方法对相邻的标签图像进行图像配准,实验表明该方法不仅降低了运算时间而且还提高了特征点匹配的准确度。并采用快速近似最近邻搜索（FLANN）和随机采样一致性（RANSAC）算法进行匹配点的筛选以及剔除,为图像之间变换矩阵提供更精确的特征点对。最后采用基于Sigmoid函数的权重对图像进行融合处理。（4）针对柱面饮料标签中常见的缺陷设计了相应的检测算法。具体包括基于图像灰度特征来检测标签是否漏标,采用图像灰度投影算法来检测位置倾斜的标签,提出了一种基于颜色空间以及形态学处理算法来检测裂标。（5）开发了柱面标签缺陷检测系统的软件平台,并在实际环境下对系统的实时性以及准确性进行测试。实验结果表明本文提出的方法能较好的将多工位相机采集的标签图像融合成柱面标签展开图像,并且对于柱面饮品包装标签的缺陷检测准确率为0.99,有助于提高饮品标签包装生产线的自动化程度。