皮革制作的鞋、包、衣物等商品已渗透了人们生活中,成为了皮革生产的重要经济支柱,因此皮革质量检测是企业皮革生产过程中十分关键的步骤。目前,许多皮革厂已经引入基于机器视觉的质量检测技术,但目前的检测方法仅可检测肉眼可见的表面缺陷（划痕、裂纹、穿透孔洞等）,当一张皮革正面包含表面缺陷同时背面包含未穿透孔洞缺陷时,无法一次性检测出全部缺陷,使得检测效率较低,检测缺陷类型不够全面。本文重点研究内容是皮革缺陷检测算法的研究。针对现有检测算法不足和皮革缺陷的特点,提出一种基于红外热成像技术的皮革缺陷检测方法。该方法首先采集皮革的可见光图像和红外热成像图,然后采用融合算法对图像进行融合,经过融合得到的融合图像包含同张皮革不同面的孔洞缺陷（穿透孔洞和未穿透孔洞）和表面缺陷（划痕、裂纹、斑点）信息,最后经过缺陷检测算法时可以一次性输出检测结果,缩短检测时间。本文主要研究内容和贡献如下:（1）设计了皮革缺陷检测系统,绘制了整体结构图,并依据系统工作流程和各机构的功能设计了控制系统。选取了FLIR A320红外热成像仪和VCC-G20E20工业相机组成图像采集系统,并将卤素灯作为热激励源。在设计控制系统时,将三菱FX2N-80MR-D与计算机串口连接作为控制器,依据系统功能分配了输入输出地址,并使用GX Developer软件编写了程序。（2）通过工业相机和红外热像仪建立了常见的皮革缺陷数据集。本文检测的皮革缺陷类型分为穿透孔洞、未穿透孔洞、划痕、裂纹、斑点五类。使用图像采集系统采集皮革图像,并将图像尺寸统一制作为320×240以便后处理。本文在采集皮革的红外热成像图时,设置了对比实验,通过对实验结果进行分析,确定了以800w的卤素灯作为激励源,加热时间为8s,并将采集到的第12、13、14帧图像作为缺陷检测图像。（3）采用一种基于拉普拉斯金字塔的皮革图像融合算法,并制定了融合规则。通过对采集到的皮革缺陷数据集分析发现,对于同一张同时包含多种类型缺陷的皮革,红外热成像图仅采集到穿透孔洞和未穿透孔洞缺陷信息而无法采集到其他缺陷信息,而可见光图像可采集到除背面未穿透孔洞外全部类型缺陷的信息。为可以一次性检测到全部类型的缺陷,本文采用基于拉普拉斯金字塔的图像融合算法。通过该算法将皮革的红外热成像图和可见光图像融合为一幅图像,使得缺陷信息更加丰富、全面。首先将两幅待融合图像分解为具有不同分辨率的基础层和细节层,然后分别采用PCA（Principal Component Analysis）和加权平均融合算法对对应的图层进行融合,最后经过金字塔重构得到包含两幅图像信息的融合图像。经过金字塔分解得到的子图像能够完整地保留图像结构,使不同图层的子图像可以体现不同的特征和细节信息。（4）提出一种改进的AC显著性检测算法。为提高融合图像中缺陷检测的准确率,本文提出一种改进的AC显著性检测算法。AC算法在CIE Lab颜色空间中计算一个感知单元在不同邻域上的局部对比度实现多尺度显著性计算生成显著值,然后通过对显著值归一化处理使融合图像的缺陷信息与背景分离,获得显著图。该算法仅计算了局部的显著值未计算全局显著值,使生成的显著图缺陷信息和背景分离度较低,存在缺陷信息丢失,细节和边缘信息不完整等现象。因此本文对其进行改进,引入全局对比度,计算感知单元在整幅图像的全局显著值,同时计算感知单元在邻域的局部显著值,通过将全局显著值与局部显著值作比较并归一化处理生成最终显著图。实验结果证明,经过改进后的算法生成的显著图缺陷与背景对比度更高,缺陷信息更加完整,边缘和细节信息更加清晰。改进后的算法表现较为优越,检测准确率为79%,综合评价指标为86%,平均运行时间为1.5463s/幅,可以有效地检测皮革缺陷。