在现代生产业里面,生产的效率和产品的质量对一个企业来说是十分重要的。尤其是对于批量生产的检测生产中,以前的检测手段和技术变得越来越不能满足企业的发展要求了。本文主要是以提高工厂羽毛球质量的检测效率以及检测的准确率需求为目标,利用机器视觉的技术来分析风洞的羽毛球的序列图像,提取它主要的特征,实现羽毛球的在线检测自动化。现阶段测试羽毛球的性能主要是采用试打这种方法的,由发球机发球后,用人工肉眼来判断飞行中的羽毛球稳定性的好坏,不过人为判断的误差较大,试打对羽毛球会产生一定的损害,而且需要大量的人工。目前,通过羽毛球在风洞中运行,利用图像处理来研究羽毛球飞行的稳定性这种方法,正处于研究的实验阶段,还没有实际的测试设备,用其测试结果代替试打这种方法,具有一定的研究价值。本文主要的研究内容如下：1.升级了羽毛球采集平台：通过采集设备拍摄羽毛球在风洞中运行的球冠、球头姿态图像,选取合适在风洞中旋转的羽毛球的去模糊化算法,结合旋转运动物体特点对旋转运动羽毛球进行有效的图像复原。2.用双水平集的分割方法提取羽毛球图像中感兴趣的部分：物体轮廓的边缘分割出来的效果好,分割图像的周围也没有干扰点。3.改进提取表征羽毛球摆动新的特征参数及算法：研究了羽毛球摆动的面积和羽毛球球头部分的特征参数,提出基于SVM的一对一的分类器的设计,用于羽毛球飞行稳定性及落点等级的分类。4,提出并行处理体系提高效率：给出了具体羽毛球风洞测试系统多摄像头采集序列图像和多核CPU的硬件架构,利用多进程的编程思想来实现软件设计并行处理,缩短了检测时间,提高了系统的检测效率。本文各算法均用Matlab进行实验仿真,并在VC6.0下进行编程,实现羽毛球风洞质量等级分类检测。实验结果表明,本文提出的基于并行处理体系的序列图像处理与分析算法具有一定的实用价值。