视觉检测技术近年来迅速发展,其核心是用机器视觉代替人眼进行测量和判断目标,在生产制造行业防止缺陷产品流入市场方面具有非常大的应用价值。本课题是针对目前市场上流行的一次性塑胶手套缺陷检测,研究一种基于视觉的塑胶手套缺陷检测方法和检测装置。本文围绕塑胶手套缺指、断指和表面油污缺陷检测方法以及检测装置的关键技术展开研究。首先,针对塑胶手套缺指、断指的缺陷检测方法制定了检测方案以及检测流程。通过对视觉检测技术在其他产品检测中的应用研究以及结合本文检测手套缺陷的基本要求,提出通过多阈值改进Canny算法的塑胶手套边缘检测方法。其中,直方图拟合曲线得到多个阈值是该方法的亮点,通过用多阈值来取代Canny算法人工设定的阈值,达到提高边缘检测准确性的目的。通过运用多种算法进行塑胶手套边缘检测实验,将检测结果进行对比分析验证了本文算法的可行性及优越性。第二,针对塑胶手套表面油污缺陷的分类识别问题,对现有表面缺陷检测方法进行研究并确定了HOG特征结合SVM的手套表面油污缺陷检测方法。主要分析了图像HOG特征提取的基本理论,详细分析了利用支持向量机来创建分类器的流程和理论依据。通过采集手套的正、负样本图像,运用MATLAB对所研究的方法进行验证,并对其分类识别的可行性和准确性进行分析,取得较好的分类效果。第三,参照现有塑胶手套生产线的工作模式,研制了塑胶手套检测装置以及设计检测装置控制系统。该装置主要模拟塑胶手套在生产中的运动过程,提供图像采集时手套的合理位姿,获取手套正、反两面图像;设计检测装置控制系统模块组成以及控制逻辑,为方便操作设计了人机交互界面。最后,建立了塑胶手套缺陷检测的硬件、软件系统,并搭建实验平台进行实验。对硬件系统和软件系统中关键技术进行了研究,着重分析了LED光源系统的原理和理论模型以及Bumblebee2双目摄像机的参数、精度、工作流程以及图像采集优势。创建了边缘、油污两种缺陷的MATLAB检测界面,实现对检测过程中图像预处理及结果的实时显示。