白酒在中国的酒类市场上占有绝对庞大的份额。而作为白酒质控重要环节的杂质检测,目前基本上还是依靠传统的人工灯检方法。这种方法已经不适应白酒自动化生产线的节奏。本文以500ml瓶装白酒为研究对象,提出了一套基于机器视觉技术的白酒杂质检测系统,能够实现快速和准确地检测灌装后白酒中的杂质,并将深度学习算法应用于白酒杂质检测中。归纳起来,本文主要工作和成果有:首先,研究了白酒杂质机器视觉检测系统的设计思路。提出了对该系统的功能需求和性能要求。结合常见的机器视觉工业检测系统设计了白酒杂质机器视觉检测系统的总体结构,给出了该系统的工作流程。根据功能划分,对不同模块的设计方案进行了详细的介绍。其中主要介绍了光学成像模块、图像采集模块、仿真运动机构和运动控制模块的硬件结构,器件选型和参数计算。其次,研究了数字图像处理技术、YOLO v3和K近邻算法的原理;分析了白酒图像的预处理过程;设计了基于YOLO v3的白酒杂质检测算法方案。根据该方案完成了数据标注、数据增强、模型训练、和杂质检测实验。作为对比研究,使用液体杂质检测领域常用的特征参数分类方法,研究杂质特征选取了特征参数,将杂质特征参数作为K值自适应的K近邻算法的输入,训练了模型,进行杂质检测对比实验。实验结果表明在检测速度、识别率和图像获取难易度方面YOLO v3算法更有优势,将识别率提升了 1.62%,检测速度提升了 64.76%,其中检测速度达到了设计中对检测算法部分的要求。再次,分析了白酒杂质检测系统软件的功能需求,设计了软件架构。在Windows10系统下搭建了开发环境,将在Pytorch中训练好的模型移植到软件中,利用Visual Stadio2017和Qt5.10.1分别进行了底层功能的实现和交互界面开发。该软件可用于实时地图像获取和杂质检测,也可用于对检测算法性能进行测试以及系统各环节参数的调试,达到了设计要求。最后,实现了白酒杂质机器视觉检测系统,并对前部分的设计进行了验证和实验。实验结果表明,本系统能够模拟流水线中白酒的运行状态并进行实时的杂质检测,具有良好的可靠性和稳定性,满足了设计的功能需求和性能要求。在白酒杂质机器视觉检测系统的研发中,从方案设计到测试实验,从图像预处理到杂质检测算法,从软件开发到系统联调,直到最后搭建出实验平台实现杂质检测。此次研发为白酒杂质检测领域的研究提供了一定的参考。