微化工技术可以让反应过程“更好”(高收率,更好的选择性)、“更快”(高时空收率,高生产能力)、“更便宜”(低资金投入,低运行成本)、“更安全”(环保,对于危险反应有较低风险)。然而,由于微化工装置的尺寸一般较小,且多为密闭容器,因此难以用传统的测控装置对进行检测与控制,进而限制了微化工技术的推广。本文旨在研究适用于微化工过程的液位和流量检测技术,利用图像处理技术实现液位和流量高效检测。针对液位检测,本文以微分离器的液位检测作为实验场景,其特点在于液位变动较为剧烈、液体的颜色可能发生变化、杂质和气泡可能使分界面暂时消失。针对这些特点,本文重点研究高效、鲁棒性强的图像检测算法。为此,本文应用并比较了角点检测算法、均值漂移算法、粒子滤波算法,并对粒子滤波算法提出了目标模板更新、直方图计算优化、并行化、结合均值漂移算法这四项改进。通过实验证明：在鲁棒性方面,均值漂移算法的鲁棒性最差,角点检测次之。当液体内含有杂质、气泡且无法通过预处理算法去除时,两类算法的检测结果都会受到明显的影响,而粒子滤波算法和本文提出的改进粒子滤波算法都有较好的鲁棒性；在计算速度方面,均值漂移算法的计算速度最快。改进粒子滤波算法和角点检测算法的速度相当,略低于均值漂移算法,而粒子滤波算法的计算速度远低于其他三种算法,在遇到颜色变化或遮挡时预算速度还会进一步降低。针对流量检测,本文通过识别液滴轮廓以计算特定时刻的液滴体积,进而计算流量。首先,本文使用连通区域标记算法得到液滴的初始轮廓。然后,本文基于Laplace-Young方程,利用坐标轮换算法、牛顿拉夫逊算法、遗传算法三种方法对方程参数进行寻优,进而得到液滴的轮廓曲线,最终得到液滴体积和流量。实验结果表明：遗传算法可以得到最好的拟合效果,但运算时间较长,不适用于实时运算。坐标轮换法的拟合效果最差,同时在运算时间上并没有过多优势。综合比较下,牛顿拉夫逊算法有较快的运算时间,同时拟合效果与遗传算法相近,在实际应用中有较好的效果。