六价铬作为地表水体环境重金属污染程度的核心评价指标之一,监测水体六价铬具有重要意义。目前六价铬测定方法有分光光度法、光谱法、电化学分析法等。近年来,随着新兴科学技术的发展以及在工业领域的广泛应用,高集成化、高智能化已成为水质监测技术发展趋势。基于机器视觉的水质监测方法是水质监测技术研究的重要方向。本文针对六价铬水质检测要求,基于机器视觉技术、嵌入式技术、顺序注射技术和远程通信技术设计了机器视觉微试剂原位水质监测仪远程监控系统。研究内容主要有以下几个部分。首先,对机器视觉检测原理进行了分析,结合六价铬分光光度法检测原理,提出了一种基于机器视觉的水质检测方法,并对其检测原理进行了详细的阐述。基于机器视觉中的图像处理技术,对颜色模型、常用的滤波算法原理进行了研究。基于机器视觉检测原理设计图像采集实验,根据色彩空间中的RGB颜色模型和机器视觉中的图像处理原理,对采集到的图像采用高斯滤波算法和形态学操作算法进行预处理,采用多元线性回归算法建立数学模型并对检测原理进行验证。其次,系统的硬件平台设计。主要包括检测池结构设计、机器视觉检测系统设计、基于顺序注射平台的改进设计和嵌入式系统硬件设计。通过图像采集检测池设计,改善了成像质量,提升了视觉检测效果。通过改进顺序注射平台,简化了检测流程,提高了检测效率,并对平台的关键部件分析和选型。软件部分引入μC/OS-Ⅲ实时操作系统,完成了基于STM32 MCU的顺序注射平台控制软件设计,实现了GPRS远程传输和检测流程控制;运用Python、Open CV和Py Qt5开发了工控机软件和远程监控平台软件。最后,参照GB7464-198中的检测方法,结合本系统的实验平台,设计了实验流程。利用改进的顺序注射平台和机器视觉系统,进行了六价铬检测实验。获取到图像数据后,结合图像实际情况进行了处理,设计了一种阴影补偿的算法,提高了图像的质量。利用Python的机器学习库对图像数据进多元线性回归分析,建立了基于溶液颜色特征值与六价铬浓度的回归模型。设计实验对回归模型进行了检验,并与分光光度法的结果进行了对比,验证了机器视觉检测原理的可行性。