食品包装不仅要求外形美观、方便实用,更重要的是要保证包装的质量,确保食品安全。随着同类产品的竞争加剧,各火腿肠生产厂家在不断提升产品的内在品质的同时,越来越注重产品的包装质量检测,但是目前的检测手段还是传统的人工检测方式。机器视觉检测技术作为先进的检测手段,具有快速、准确和可靠等优点,因此,开发基于机器视觉的火腿肠在线包装质量检测系统对于减轻火腿肠生产企业员工的劳动强度,提高企业的生产效率和自动化程度,提高食品包装检测水平,保证食品安全都具有十分重要的意义。　　 本文在总结机器视觉检测系统应用现状和相关理论发展的基础上,分析了基于机器视觉的火腿肠在线包装质量检测系统所面临的难点,对系统相关的图像分割、特征提取和缺陷识别方法进行了研究。　　 目标主体区域和缺陷区域的图像分割方法是检测系统的基础。本文根据火腿肠的缺陷分布特点,对火腿肠进行了区域划分,提出了一系列分割方法。针对主体区域分割,由于火腿肠具有种类繁多、表面图案复杂、背景易发生变化的成像特点,本文深入研究了自适应阈值的分割方法,提出了基于直方图波谷自适应阈值和基于改进模板的二维最大熵自适应阈值的分割方法,通过对比分析,最大二维熵法能够准确地分割出不同种类的火腿肠主体区域,并具有较强的抗干扰性。针对破袋区域分割,提出了一种基于空间分布密度特征和颜色特征组合的缺陷区域分割方法。针对接缝区域分割,提出了一种基于颜色特征和投影特征组合的图像分割方法。　　 缺陷图像的特征提取和选择是缺陷分类识别的前提。本文对火腿肠图像的颜色特征、轮廓特征、边缘特征、几何形状特征和纹理特征的提取方法进行了研究。针对轮廓特征提取,提出了一种多尺度自适应阈值的轮廓角点提取方法,该方法能够准确提取出鼓泡区域轮廓存在的角点特征。针对边缘特征提取,提出了一种基于预测的边缘检测方法,该方法能够准确提取出划破肠衣的边缘特征,并具有较高的运行效率。　　 火腿肠包装缺陷识别是一个多类、多特征的模式识别问题,本文根据火腿肠外观缺陷特征描述,对专家规则方法和神经网络方法进行了对比研究和实验,设计了一种基于专家规则与神经网络的分层识别算法,实现了火腿肠各种包装缺陷图像的识别。　　 系统分析了火腿肠在线包装质量检测系统的功能和性能需求,设计了一种基于机器视觉的检测系统,实现了产品的有序摆放、全方位图像采集、实时包装质量检测和次品剔除等功能,并将本文提出的图像分割、特征提取和缺陷识别方法应用到系统中,经过实验验证,系统达到了预期目标,填补了火腿肠生产行业相关包装检测设备的空白。