我国是全球主要的胶囊生产国，目前年产胶囊约2000亿粒，产能约占全球的30%。然而，胶囊的质量检测目前多采用人工方式。由于胶囊种类繁多、数量巨大，又要求检测速度，而人工检测不仅速度慢、精度低、成本高，并且对人眼有极大的损害。因此，使用机器自动检测代替人工检测从而避免人工检测的缺点，这对于胶囊的生产有极大的意义。本文介绍了一种基于图像处理的胶囊瑕疵自动检测平台，重点研究了针对胶囊图像的瑕疵识别算法。胶囊瑕疵可以分为两大类——胶囊本身缺损类瑕疵和颜色类瑕疵，分别基于灰度图像和彩色图像来检测。胶囊本身缺损类瑕疵的检测是基于灰度图像的。在胶囊图像区域划分和滤波的基础上，本文主要就目标边缘清晰和模糊两种情况研究胶囊缺损瑕疵的检测问题。清晰边缘瑕疵的检测中，本文采用自适应Canny边缘检测算法获取瑕疵位置，并基于最大类间方差法(Otsu)和边缘信息的图像分割算法获取瑕疵区域并计算特征值；对于瑕疵边缘模糊的情形，本文主要根据胶囊图像的直方图特征，采用BP神经网络检测瑕疵，其间提出一种数据聚类归一化方法以解决BP网络输入数据分布不同的问题。颜色类瑕疵的检测是基于彩色图像的。针对采集的RGB格式彩色图像，本文采用一种基于归一化直方图的平均灰度计算方法用于计算胶囊同色区域的R、G、B各颜色分量值，然后将这组值转换为H、S、V颜色分量值，再使用HSV颜色空间的色差公式计算色差。该算法利用了RGB颜色空间易于表示和HSV颜色空间符合人眼视觉感官的优点，图像处理效率得到提高。本胶囊瑕疵自动检测平台能够实现胶囊瑕疵的快速、准确检测，避免了人工检测方式的不足，提高了胶囊生产的效率，具有一定的市场应用前景。