近年来,随着我国钢铁工业的迅猛发展,铁矿被大量开采,含铁品位高的天然块矿日趋减少,球团矿逐渐成为当前我国高炉炼铁的主要原料。链篦机-回转窑球团工艺是当今中国钢铁企业普遍采用的球团生产方法,其主要设备由链篦机、回转窑和环冷机组成,其中,链篦机主要用于球团矿的干燥、预热与氧化,成品球团矿的品质直接受链篦机工作状况的影响。侧板偏移作为链篦机系统故障的一种,一旦发生,如果不能及时停机处理,就可能引发严重生产事故,并造成经济损失。目前,侧板偏移故障的检测仍旧主要依靠原始的人工观察检查,存在费时费力、智能化程度低等问题。现如今,利用机器视觉技术手段完成缺陷检测和故障诊断任务已经在各工业领域中得到广泛应用。受相关研究的启发,本文基于机器视觉,实现了对链篦机台车侧板偏移故障的实时自动化检测。本文研究工作主要包含以下内容:首先,通过对包钢烧结厂链篦机工作现场的充分调研,结合链篦机的作业及检修规范,设计链篦机台车侧板偏移检测系统,制定故障等级划分与报警机制。通过提出“分界线”、“基准线”、“低等级偏移故障”及“高等级偏移故障”等概念,为后续台车侧板偏移检测工作的实施提供理论基础。然后,基于“将对侧板偏移的检测问题转化为对直线段偏移的检测”的想法,利用图像直线段检测技术,提出了一种基于LSD（Line Segment Detector）算法的台车侧板偏移检测方案,该方案能够显著减轻现场检测员工的工作强度,自动化程度高,且具有较好的实时性。接着,针对基于LSD算法的检测方案中存在的不足,使用深度学习目标检测算法代替直线段检测技术完成目标检测任务,提出了一种基于YOLOv4（You Only Look Once version 4）的台车侧板偏移检测方案,进一步减少了人工干预,在降低程序误检率的同时,提升了故障检测与判定速度。最后,基于Open CV和Py Qt5,结合多线程的设计理念,设计开发台车侧板偏移检测软件系统,软件系统能够在Windows环境下长期稳定运行。本文将机器视觉图像处理技术应用到钢铁工业球团生产领域中,对在包钢烧结厂采集整理的数据进行测试,测试结果表明,本文方法可实时自动化检测台车侧板偏移故障,能够有效替代人工观察检查方法,为链篦机台车侧板偏移检测提供了新的解决方案。