模式识别是人工智能领域的重要课题,在很多应用领域,模式识别取得了很好的应用。但是将模式识别技术应用在基于单片机的工业检测领域,是一种新的尝试。在工业检测领域,由于其环境的复杂性,产品的多样性,给模式识别在工业检测领域中的应用提出了新的挑战。然而,随着电子技术的发展,以及数字图像技术的发展,实现高分辨率数字图像的实时采集、处理、传输成为可能,同时为模式识别在数字图像中的应用提供了坚实的物质基础。论文就工业在线检测中的性质和特点,尤其针对在对产品进行外观检测中,对于用普通工具或普通测试方法无法进行的异型曲面表面的测试,利用嵌入式单片机技术和数字图像传感技术,在工业在线检测现场实时获取高分辨率的数字图像;在嵌入式单片机中实现对数字图像进行在线处理。根据嵌入式单片机和工业在线检测的特点,选择适合的处理算法对数字图像进行处理,建立适合在嵌入式单片机的机器学习档案,选取合格的产品进行机器学习,在嵌入式单片机中实现对采集的图像进行模式识别。对待测产品,根据要求加以判断,给出不同的判别结果,利用识别的结果控制相应的生产线。本文首先针对工业在线检测现场,在嵌入式单片机中对数字图像采集和处理特点,选取合适的芯片L4V8M440,成功解决了主要存在内存容量和计算速度两大问题。选取CMOS黑白图像传感器芯片OV9121,提高了数字图像的分辨率(与同档次的CMOS彩色图像传感器芯片相比,分辨率是彩色图像芯片的3倍)。为了提高嵌入式单片机的处理速度,选取C8051F120作为CPU。成功实现了数字图像的实时采集。其次,通过对数字图像处理方法的分析,以及图像芯片OV9121产生的图像格式特点的分析,提出了适合在本系统中的图像处理方法;通过对机器学习和模式识别的分析和讨论,以及嵌入式单片机的特点分析,提出了适合在嵌入式单片机中进行机器学习的方法以及在嵌入式单片机中进行模式识别的方法。最后,根据工业在线检测的总体要求,给出了整个系统设计和应用方案。并进行了模拟实验,对实验结果进行了分析,达到了预期的实验效果。