钮扣是一种生活必需品,具有种类繁多与样式相似的特点。其市场需求巨大且利润可观。对钮扣信息的采集可以建立一种大规模相似样本的数据库。同时,钮扣不仅属于劳动密集型产品,需要大量人工;而且它也是出口产品,质量检验严苛。随着大数据时代的到来,研究钮扣的分类识别与质量检测是基于市场与实际需要的,在钮扣大数据系统中,通过钮扣产品的识别技术,能快速的找到钮扣的厂家及厂家钮扣模板库中的模板,就可为大量使用钮扣和挂饰的企业节约大量的开模费用,获得经济效益。在钮扣识别方面,可以将多种钮扣样本依照一定标准进行分组以降低识别难度。所以本文提出两种分组策略:第一是动态分组,目的是通过计算熵将多种钮扣种类尽可能均匀地分配到各组;第二种是静态分组,目的是减少识别过程中样本划归到错误样本组的概率。将分配到各分组的样本提取其颜色、尺寸和纹理等特征,经过PCA降维后输入到SVM进行训练。通过在120种相似钮扣实际测试,第一种算法识别正确率达到86.875%;第二种算法识别正确率达到93.75%。在钮扣划痕检测方面,由于生产工艺上会产生环形纹理干扰划痕检测,本文提出一种各向同性环形纹理抑制算法可显著降低背景干扰。此外,针对钮扣各环区内颜色多样,纹理不同的特征,本文提出一种钮扣分环区分区域的二值化阈值的计算方法以提取划痕特征,然后将其细化。最后,无论如何优化划痕特征提取算法,一条划痕经图像处理后仍然会出现间断状况。为应对该情况,本文提出一种不连续划痕检测算法以降低划痕特征提取的难度。经测试,划痕检测正确率达到92.5%。为了保证识别与检测的可靠性,所有样本数据均在模拟工厂实际生产环境下采集。鉴于钮扣生产过程具有钮扣样式更新快与产量巨大等特点,本系统所采用的分类与检测算法目的在于减少样本采集与模型训练时间、快速检测缺陷与降低检测设备成本,以最大可能适应企业生产实际需求。