饮料生产线金属罐盖表面缺陷检测是容器质量检测的重要部分,是保证产品质量的关键环节。人工检测作为传统的罐盖表面缺陷检测手段容易受主观因素影响,检测精确率较低,时效性较差。随着以智能装备为核心的智能制造技术的发展,基于机器视觉的表面缺陷检测技术能够通过对图像进行分析与处理识别缺陷,从而代替人工检测,而实时且精准的图像处理技术是实现罐盖表面视觉检测的关键。本文以饮料生产线上金属罐装容器罐盖为研究对象,针对其表面可能出现的脏污、形变、划痕等缺陷,研发高速高精度的罐盖表面缺陷检测方法。主要研究内容与创新如下:针对罐盖图像可能出现较多干扰点影响从而造成罐盖定位误差的现象,本文提出一种基于边缘点约束的多圆周权重拟合定位方法。该方法通过罐盖重心点扫描三层边缘点,对外层边缘点进行圆拟合得到初定圆心,然后通过初定圆心约束剩余的边缘点,进行权重拟合得到最优的罐盖中心位置。实验结果表明,该方法能够克服干扰点的影响实现罐盖的精确定位,对于1296×966大小的罐盖图像,平均定位误差小于2.5个像素,执行时间小于5毫秒。针对中心区域出现的不规则复杂纹理干扰和光照不均的影响造成误检率高的现象,提出一种基于全局自适应LBP特征的中心区域缺陷检测方法。该方法对中心区域进行多尺度圆形LBP特征采样获取局部纹理信息,能够有效克服罐盖表面光照不均的影响;通过全局自适应的二值模式计算方式进行邻域内采样点的纹理比较,能够抑制罐盖中心区域不规则复杂纹理干扰,实验结果表明,缺陷检测精度到达97.64%,能够较好的识别中心区域的缺陷。针对金属罐盖的环形区域缺陷检测,采用一种基于SVM分类的缺陷检测方法。将提取到的环形区域径向展开并垂直投影后进行高斯二阶微分滤波与一阶差分,然后针对投影曲线提取四维特征进行SVM训练得到分类器,通过分类器识别环形区域的缺陷。该方法能够代替手动选取阈值,具有较高的自适应性与鲁棒性,针对环形区域缺陷检测的综合正确率达到98.64%,执行时间低于5毫秒。本文设计的金属罐盖表面缺陷检测方法,能够有效的识别罐盖各区域可能存在的表面缺陷,综和检测精度达到98%以上,较以往的罐盖表面缺陷检测方法精度更高,具有较强的实用价值。