近年来,随着工业机械化生产进程的不断推进,越来越多手工制造产业开始向机械化自动生产转型。目前大连某样本册生产企业中,样本页的分页生产作业主要采用人工分页的方式进行,存在效率低下、劳动成本高、作业强度大、不能持续工作,容易造成分页错误的问题。为了提高效益,该企业利用工业机械化生产代替人工分页生产,但是需要克服自动检测遇到的问题:由于成本投入受限,设备制作不够精良,样本页在传送过程中容易出现偏移、翻页等情况,影响检测的准确性。针对企业样本页机械生产自动检测遇到的问题,本文通过大量研究,利用机器视觉技术和图像检测技术,设计了适应该企业工业化生产的自动检测算法。充分考虑到样本页实际分页生产的特点,本文分别设计了基于Surf的特征检测算法和基于OCR的页码检测算法来检测不同的样本页分页情况。特征检测算法分别抽取模板图像与目标图像的Surf特征点和特征描述符进行特征匹配,利用knn对匹配结果进行筛选,匹配成功后利用单应矩阵建立映射关系。页码检测算法需要先对页码字符进行训练,在检测之前利用快速定位算法计算图像的偏移角度并截取检测区域,然后利用相关系数模板匹配算法精确定位页码检测图像,并根据与目标图像之间的偏移角度进行旋转。之后利用训练好的数据对页码图像进行识别,并采用差异度匹配算法进一步确认检测结果是否正确。本文在自动检测算法基础上,开发了一套适用于实际工业检测环境的自动检测系统,并成功应用于企业样本页机械化分页生产中。经过实际工业检测验证,本文自动检测算法能很好地解决了企业样本页机械生产的自动检测问题,并且满足工业生产的实时检测需求,具有很好的运行效率、准确性和鲁棒性,能够适应不同的检测条件,达到很好的检测效果。