在我们的生活中，胶囊是不可缺少的一部分，它们的质量是否合格关系到我们的身体健康和生命安全，所以对胶囊的缺陷检测问题就显得特别重要。本文检测胶囊的外形和表面缺陷，外形缺陷主要有胶囊过长，过短，变形，瘪头等。表面缺陷主要有气泡，皱壁，污斑等。基于红外胶囊图像，采用了机器视觉的相关算法对胶囊的各种外形缺陷和纹理缺陷进行了讨论，研究了系统的软件模型。该系统具有自动化程度高，精确度高，人工操作简单，外界干扰少等优点。本文的创新点如下:1、在本系统的图像预处理阶段，由于采用基本全局阈值法的得到的分割效果图中胶囊与卡壳之间相连的部分不能很好的分割开来，所以本文提出了基于平滑双峰直方图的阈值排序自动选取方法，利用平滑处理过后的直方图进行图像分割阈值的自动提取，选择平滑后直方图从低到高一，二位波谷位置作为分割阈值。经检测此方法分割效果优于传统方法，它能够把胶囊区域和固定胶囊的卡壳很好分割开来，有效去除胶囊与卡壳粘连的影响。2、本文采用“先定位后检测”的方法用于胶囊特征参数的提取。在定位胶囊两端圆弧时，先定位出胶囊两端圆弧部位所在的矩形框，然后在该矩形框内计算两端圆弧的近似弧长。检测胶囊壁直线时，加入权重因子，该权重因子为事实轮廓与定位的标准轮廓之间的距离。如果权重因子小于3个像素距离，那么该点就被认为是边缘点，减少离群值对检测结果的影响，证明该算法在不影响检测效果的前提下提高了检测速度。3、针对检测胶囊具有的缺陷等级不同，本文提出一种二阶段检测方法。第一阶段，对于BP神经网络的特征向量的选择，我们将胶囊的外形特征与胶囊的纹理特征相结合，并进行PCA降维后作为BP神经网络分类器的输入，初步识别胶囊合格与否。第二阶段，针对合格的胶囊进行边缘检测，根据轮廓因子和胶囊套接距两个方面来确定胶囊是否合格，对胶囊做出精确判断。本系统以6个胶囊为一组处理，预处理每个胶囊耗时2499ms，1000个胶囊识别部分耗时0.1ms，误判率1.6%，识别率达95%以上。