在轮胎工业生产领域,缺陷检测是轮胎质量保障的重要环节。基于人工观察X光图像的缺陷检测方法耗时耗力,因此本文设计并实现了轮胎缺陷实时监测系统。该系统是结合工业硬件设备与数字图像处理技术的工业型控制系统,用于轮胎生产流程中的质量检测环节,有利于提高轮胎缺陷检测准确率,降低时间成本,促进工业产能。在对工业背景及轮胎生产过程深入调研的基础上,本文首先对生产环节中的问题及系统任务进行分析,继而从功能与非功能两个角度归纳出系统的全部需求。随后提出详尽的技术方案、实现方案及测试方案,并严格按照上述方案构建系统。在图像缺陷识别算法研究方面,本文在参阅国内外大量文献的基础上,结合机器学习方法与传统图像识别方法构建通用的缺陷检测流程。从技术角度来看,系统分为客户端、服务端及算法子系统三部分,客户端与服务端基于WebSocket及HTTP进行通信,服务端开启子进程调用算法子系统,并根据参数规约与算法子系统交互。本文采用C++及Qt框架构建客户端程序,运行效率高且能很好地与外部设备交互;采用Node.js构建服务端程序并使用Nginx作为WebSocket及HTTP代理服务器,减少部署及维护成本,极大地提升了系统的稳定性及可用性;采用Redis存储系统全局参数及动作指令;采用Express框架处理HTTP请求并将系统运行中产生的数据存储在MongoDB中。对于算法子系统,本文采用Python结合Scikit-learn库训练模型,部署系统时将算法子系统程序编译为DLL。此外本文提出并详细设计了系统运行中的核心机制,如锁机制、动作指令机制、消息帧封装机制,这些机制在保证系统正确执行检测任务方面起到至关重要的作用。从功能角度来看,系统分为图像传输、客户端核心模块、服务端核心模块、参数配置及数据管理五大模块,本文详细阐述了各模块的运行流程。从算法实现角度来看,本文基于SVM实现轮胎内外侧的判定任务,基于胎侧杂物识别算法和纹理无关的胎冠裂纹识别算法实现轮胎缺陷检测任务,这些算法识别准确率高且性能优良,在应用中取得了良好效果。系统部署至生产环境后能够持续稳定运行,在准确性及实时性等方面表现良好,能够满足工业生产需求。轮胎缺陷实时监测系统的研究具有积极意义,符合制造业的数字化、智能化发展目标,能够在一定程度上推动制造业转型,形成智能制造的产业生态。