我国是羽毛球运动强国,同时也是世界上最大的羽毛球生产国。作为羽毛球的最主要部件,羽毛片的质量直接影响着羽毛球成品的质量。由于羽毛在自然生长和后期加工过程中会受到损坏,羽毛片上可能存在着各种缺陷,这些缺陷严重影响着羽毛片的质量。检测羽毛片是否存在缺陷是制作羽毛球最困难的工序之一,当前羽毛片缺陷检测工作主要由人工完成。人工检测劳动强度大、效率低下,并且检测质量受工人个体能力、经验等因素的影响,易造成漏检和误检。为了提高生产效率和保证产品质量,有必要研究基于机器视觉的羽毛片自动检测技术。本课题的研究有助于降低产品的生产成本、减少企业的用工需求,积极推动羽毛球制造业从劳动密集型产业向技术密集型产业的升级。因此,课题的研究有着重要的理论意义和实用价值。当前,机器视觉技术已经在一些行业中得到了广泛应用。与之相比,羽毛片机器视觉检测技术的研究起步较晚,机器视觉技术在羽毛球制造行业仍处于应用初期阶段。目前可检索到的关于羽毛片视觉检测方面的论文不多,已有的研究主要集中在羽毛杆折印检测以及羽毛片的弯度、拱度等尺寸指标测量方面,有关羽毛片缺陷检测方面的资料很少。本文以羽毛片为研究对象,对羽毛片缺陷检测的硬件设备及软件系统、羽毛片图像的光照校正、平滑降噪、缺陷分割、缺陷特征提取和缺陷分类识别方法等内容进行了深入的研究,为提高羽毛球制造设备的自动化水平进行了有益的探索。本文主要的研究成果及创新点简述如下：1.针对测试羽毛片缺陷检测算法性能的需要,构建了缺陷羽毛片的图像库和羽毛片典型缺陷的样本库,为研究人员提供了一致的实验样本,解决了不同研究人员由于实验样本的差异而难以准确比较相关算法性能的问题。2.针对羽毛片的空间曲面结构引起的羽毛片图像光照分布不均匀的问题,提出了改进的基于Retinex理论的光照校正算法,提升了图像的对比度,改善了图像的质量,使得图像的细节更加清晰,为准确检测羽毛片缺陷提供了基础。3.由于受图像噪声和羽毛天然纹理的影响,羽毛片上的缺陷特征并不清晰。本文提出了一种改进的各向异性的均值漂移算法,用于羽毛片图像的平滑降噪。与几种典型的降噪算法相比,实验结果显示该算法在客观指标评价和主观视觉感受方面都更好。本文算法在有效降噪的同时,实现了对羽毛片纹理的适度平滑,并较好的保留了缺陷信息,为后续处理提供了目标清晰的预处理图像。4.羽毛片缺陷种类多、形态变化丰富。变分水平集图像分割方法具有分割准确、无需人工参与和适合多目标分割等优点,但存在迭代次数多、效率较低的不足。结合预处理后羽毛片图像的特点和缺陷分割的需要,提出了一种改进的C-V水平集模型,在满足分割精度要求的前提下减少了轮廓线演化的迭代次数和算法运行时间,提高了算法的效率。5.根据羽毛片缺陷的特点,分别提出了羽毛片缺陷的颜色特征、形状特征和纹理特征的提取算法,并针对羽毛片的四类常见缺陷提出了相应的识别方法。本文先分别提取缺陷的各类特征,然后根据需要再组成混合特征向量进行缺陷识别。该方法可在准确识别缺陷的同时使特征向量具有较低的维数。本文结合羽毛片缺陷检测的生产需求与图像处理领域的研究成果,系统地提出了羽毛片缺陷识别过程中光照校正、平滑降噪、缺陷分割和特征提取等关键问题的解决方法,并进行了仿真实验,取得良好的实验结果,为研制基于机器视觉的羽毛片缺陷检测系统提供理论依据,具有一定的实用价值。