基于机器视觉的自动检测是一门新兴的检测技术,它综合应用了图象处理与分析、模式识别、人工智能、精密仪器制造等技术。由于基于机器视觉的检测具有快速、精确、非接触等一系列优点,故其作为一种现代化的检测手段越来越引起人们的重视。我国是一个制造业大国,文具用品的生产和出口都占有很大的市场份额。现阶段,文具用品的生产过程己经基本实现了自动化,但是文具质量检测方式还是传统的人工检测。随着生产效率的不断提高,传统的人工检测方式已很难满足生产的需要。为解决这一矛盾,实现文具用品质量的在线自动检测,缩短整个工作流程时间,本文做了如下研究工作:1、本文介绍了基于机器视觉的自动检测系统的工作原理、总体结构和工作流程。对系统所需的硬件特性进行了分析,选择了合适的光源、图像卡、工业相机等硬件,搭建了检测系统的硬件平台。2、在对文具用品的特征深入分析后,通过对直方图改进,利用面积和比率(面积/周长)这两个特征的组合,实现了文具的自动分类;使用差值累加器,找到了区别同类文具的关键区域,提取了颜色特征。3、介绍了几种常用的神经网络模型、基本结构,分析了神经网络各种学习规则。深入研究了多层前馈网络与反向传播学习算法的网络结构及训练算法的具体步骤,并做了相应改进,使之适用与本项目。4、本系统的软件在VC++平台上开发。通过仿真实验,对得到的实验数据进行分析,结果表明,基于机器视觉的检测系统对文具的缺陷检测达到了预期目标。