棉花中的异性纤维影响布面外观,降低产品质量,严重损害企业的声誉,给棉纺企业带来巨大的经济损失。当前,棉纺织企业主要采用基于CCD光学成像的异纤分拣机检测异纤,但针对实际多类异纤的检测效果不是很理想。本课题针对60AT4型异纤分拣机,进行检测系统优化和参数标定研究,以提高分拣机对多类异纤的检出率,其主要内容如下:提出了一种基于模糊聚类神经网络的异纤检测多类光源优化设计方法。通过分析CCD成像与入射光能量的关系,推导出多类异纤检测的光源数量;建立了CCD靶面曝光量函数,确定光源的最佳检测位置;并通过分析CCD背景板图像的光线分布及平均灰度,建立多类光源的模糊聚类神经网络模型,对光源进行优化设计。实验结果表明,优化后异纤检出率达到94.79%。在异纤检测时,相机调节白平衡时操作步骤繁琐,需要分别对曝光时间和增益进行多次组合调节。本文提出一种基于模拟退火算法的CCD相机自动白平衡方法,通过分析相机增益和曝光时间与白平衡值的关系,建立回归方程,运用模拟退火算法,实现相机的自动白平衡调节。不同颜色和形状的异纤,在检测时需要根据实际情况不断进行调整,费时费力,且很难达到理想的效果。本文以常见尺寸异纤为实验对象,采集数据样本,通过神经网络模型预测每种异纤的最优检测参数。在最优检测参数的条件下,对异纤分拣机的检测参数进行了标定。通过实验证明,本文所研究的异纤分拣机的光源的优化设计及自动白平衡方法的建立都是可行的,对异纤分拣机的精度标定也达到了实际生产的要求,对于机器视觉相关领域的设备的优化改进具有较高的理论价值和实践价值。