白酒产业具有良好的发展前景,提升生产流程中白酒的产量和质量是产业发展的关键。在某种浓香型白酒的生产流程中,配糟是糟醅发酵前最重要的工艺。配糟是指原粮、糟醅、糠壳、大曲等物料按一定比例混合的工艺,配糟工艺中最关心的物料配比是粮糟的质量比。在传统生产流程中,配糟工艺目前采用人工配糟的方法,即通过工人师傅目测原料的状态和相关辅助信息得出粮糟的质量比。由于依赖工人师傅观察糟醅外观的经验,酿酒过程无法实现自动化;部分配糟设备由于缺乏检测装置,无法准确地执行配料。为了保证后续发酵过程的生产质量,根据人工配糟经验,本文提出了一种基于计算机视觉的自动化配糟方法。主要工作内容为:在分析人工经验和已有的生产设备的基础上,完成了图像采集、自动化配糟算法的研究以及软件实现。具体内容包括:（1）为了替代工人师傅“看料配糟”的过程,设计了一种基于CSO-ANFIS（猫群算法改进的自适应神经模糊推理）的配比决策算法,通过拌料前糟醅图像的特征决定粮糟的质量比。经过对比测试,算法实例的平均准确率为91.98%,平均运行时间仅需16.41ms,满足生产线上小于50ms的要求。（2）针对出料漏斗下料不均匀导致的配料执行不准确,构建了基于PSO-SVR（粒子群算法改进的支持向量回归）的粮糟实际质量比检测算法。算法检测拌料后的糟醅图像,输出实际的粮糟质量比。经过对比测试,算法实例的运行时间不到16ms,最大误差为0.004,测试效果良好。（3）针对糟醅传送过程中的传送带背景,提出了一种基于快速边缘检测的前景提取算法;经过测试,算法的平均像素误差数不超过90,平均执行时间不超过1ms,能够快速、有效地提取到糟醅前景。（4）针对相机采集到的糟醅图像偏色,提出了一种动态白平衡算法,对物料图像进行矫正,使其更符合人眼观察的结果,解决了图像偏色的问题。总之,基于计算机视觉的自动化配糟方法具有决策和检测速度快、计算精度较高、成本较低、便于维护的优点,具有较高的应用价值和研究价值。