在小批量、多品种的纺纱加工背景下,相同品种的纱线常采用同一型号的纸管进行络筒,纸管类型与筒子纱品种具有一一对应关系。纺纱企业为了充分利用场地空间,通过布置空中导轨进行筒子纱的运输,这种情况下无法依靠人工分辨,只能依靠机械抓手的信息确定筒子纱品种。如果操作失误给机械手上错品种,没能将其检出而用于织造或打包流入市场,会影响产品质量或被闲置、丢弃造成原材料的浪费。在筒子纱运输过程中,结合纸管信息与机械抓手信息进行检测可以提高检测效果。针对筒子纱运输轨道上的纸管检测问题,本文提出了基于机器视觉的检测方法,具体研究内容如下:（1）对筒子纱运输轨道结构和筒子纱图像采集条件进行分析,探索出一套针对空中运输轨道筒子纱图像的采集方案。对筒子纱图像进行预处理,首先对纸管区域进行定位,对不同的图像分割方法进行对比,优选了大津阈值法与图像轮廓结合的纸管区域分割方法,将分割得到的纸管色环通过极坐标变换与插值算法展开成像;然后使用快速引导滤波方法提取纸管HSV图像亮度通道的光照分量,并结合二维伽马变换对图像进行对比度增强,通过对不同卷积核大小的滤波平滑效果比较,使用5×5的双边滤波方法进行图像去噪,滤除无关信息的干扰;最后通过施加自定义的光照模型对纸管图像进行光照调节。（2）根据纸管印刷的颜色及图案特点,选择使用颜色及纹理特征对图像信息进行向量化表达。提出使用特征对纸管的SVM分类准确率和t-SNE降维特征的可分程度作为特征优选的依据。对颜色特征进行对比时,使用仅颜色不同纸管类型,优选CIEL*a*b*空间的颜色矩表征纸管颜色信息,此特征对不同颜色组成的纸管分类准确率可达100%,且各类别的特征差异明显。对纹理特征进行分析时,使用仅图案不同的纸管,对比得出采样点为8,采样半径为2的旋转不变等价模式LBP8,2算子作为纸管图像的最优纹理描述子,此特征对不同图案的纸管类型的平均分类准确率达98%。使用颜色和纹理特征串联表征纸管图像信息。（3）根据纸管检测任务的不同需求,提出了针对已知类纸管检测和新类纸管检测的解决方法。面向已知类纸管检测时,提出使用尽可能少的样本构造高精度的随机森林分类模型进行检测,模型对蓝色的M纹、斜条和梅花纸管的平均准确率、召回率和F1值分别为97.41%、97.33%、97.32%,当检测不同色或颜色图案均不同的纸管类型时有更好的表现。面向有新类出现的检测任务时,在构造随机森林的基础上,引入孤立森林进行异常样本的检测,通过异常样本的离群程度检测新类。在相同颜色、相同图案及颜色图案均不同的纸管作为训练样本的情况下,对已知类的误检率为0,对新类的检出率分别为100%,95.83%,86.67%,验证了本文所提方法对纸管检测的有效性。设计了一款GUI人机交互界面,使检测的过程可视化。基于给定的已知纸管类型,本文提出了一种基于分类模型、异常检测和离群值的纸管检测方法,对已知类纸管获得准确的检测效果,对新类纸管有较强的检测能力,满足了纺纱企业的检测需求,为机器视觉在纺织检测领域的应用提供了新的思路。