药卷包装作为乳化炸药质量保证的最后一道工序,具有极其重要的作用。由于现场环境的复杂多变,乳化炸药在包装过程中可能会出现各种缺陷,如何高效准确的筛检出缺陷药卷是一个难题。本课题针对乳化炸药药卷包装缺陷问题,设计了基于机器视觉的药卷包装检测系统。课题主要研究内容包含5部分:(1)首先详细介绍了乳化炸药包装生产线的包装过程,随后总结了目前包装环节可能出现的炸药缺陷问题,提出利用机器视觉系统来保证乳化炸药包装生产线可靠运行的设计思路。(2)论述了机器视觉系统的工作流程、设计要求和期望达到的检测效果。采用模块化方式对系统进行了设计,并且详细的阐述了各模块的功能划分和所需达到的效果。(3)采用最优阈值、平滑滤波的方法来处理药卷图像。然后选用Sobel算法提取乳化炸药的边缘,并与canny、laplace等边缘检测方法进行了对比,对比结果凸显了 Sobel算法的优越性。最后描绘出药卷轮廓,获取药卷的形态特征,通过模板对比法检测出缺陷药卷。(4)采用了基于遗传算法优化的BP神经网络分类方法,用于药卷前景目标的分类。提取目标的形状特征作为网络的输入,将前景目标类别作为训练结果,通过不断的训练得到分类器的模型。实验结果表明,其分类效果比单独使用BP神经网络更加显著,能够有效的帮助操作人员获取生产线状态信息。(5)提出了机器视觉系统的整体设计方案,并完成了视觉系统各组成模块的软硬件设计。在硬件设计环节,根据炸药包装生产线环境、系统检测所期望达到目标精度等因素对设备进行了选型;在软件设计环节,首先介绍了系统的整体功能以及界面划分。然后对该系统的有效性进行实验验证,结果表明,该系统能高效准确的对乳化炸药包装生产线进行在线检测。