随着机器视觉系统在工业中的应用越来越广泛,产品信息越来越多地以图像数据的形式呈现。研究如何利用图像数据对生产过程进行监控已成为统计过程控制面临的新课题。本文以具有一致性或存在特定模式的产品图像为研究对象,针对偏移区域形状未知、偏移数目未知、图像中相邻像素的灰度值存在高度相关关系等情况下的图像数据监控方法分别进行了研究。首先,针对偏移区域形状未知的情况,提出了基于EWMA和区域生长的图像数据监控方法,给出了实施该方法的详细步骤。利用仿真试验考察了该方法在检测偏移区域形状规则、不规则时的效果,并与Megahed等提出的基于最大广义似然比的图像数据监控方法进行了对比。结果表明,所提方法不仅能快速检测出偏移,还能更准确地估计出偏移发生的区域。接着,针对偏移数目未知的情况,提出了基于广义似然比之和的图像数据监控方法,介绍了实施该方法的详细步骤。利用仿真试验考察了该方法在检测单个、多个偏移时的效果,并在检测单个偏移时,与Megahed等提出的基于最大广义似然比的图像数据监控方法进行了对比。结果表明,所提方法检测效果优于最大广义似然比的图像数据监控方法。然后,针对图像中相邻像素的灰度值存在高度相关关系的情况,提出了基于多元广义似然比的图像数据监控方法,给出了实施该方法的详细步骤。利用仿真试验考察了该方法在检测单个、多个偏移时的效果,并在检测单个偏移时,与Megahed等提出的基于最大广义似然比的图像数据监控方法进行了对比。结果表明,所提方法检测效果优于最大广义似然比的图像数据监控方法。最后,将基于多元广义似然比的图像数据监控方法应用于实际案例中,应用结果表明,该方法不仅能快速检测出偏移,还能提供偏移发生的时间、区域等信息,帮助员工对过程进行诊断,查找异常原因,尽早恢复过程。