随着人们对印刷速度要求以及印刷品质量飞速提高,传统的人工或离线检测方式已不能满足印刷品的实时质量控制和对高质量印刷品的要求。自动检测系统是印刷企业减少废品率、提高印刷质量和效率的有效手段。本文设计了基于人工神经网络的印刷机在线缺陷检测系统,通过对经典检测算法的研究,针对在线检测的缺陷分类模块提出了遗传算法优化的神经网络策略。本文首先设计了基于人工神经网络的彩色印刷品在线缺陷检测系统的整体方案,详细介绍了硬件以及软件各模块的功能,探讨了在线缺陷检测系统的发展及其优势。其次,对于基于动态阈值的缺陷提取模块进行了深入研究,探讨了传统的缺陷提取算法的不足,提出基于改进动态阈值的缺陷提取算法。通过实验对算法的参数进行分析和确定,实验结果表明改进后的算法能快速将印刷缺陷的位置及面积大小检出,准确率高达98%,效率比传统的动态阈值法高26%,能够满足印刷品在线质量检测的要求。再次,在分析传统的印刷品缺陷分类方法优劣性的基础上,提出遗传算法优化BP神经网络的缺陷分类方法,完成印刷缺陷的形状分类与颜色分类,并通过实验对神经网络模型进行训练、测试,实验结果表明该网络模型能够达到应用需求。最后,本文应用VisualC++6.0进行软件开发,并基于OpenCV视觉库编写了彩色印刷品缺陷检测的处理软件,界面简洁,实现了图像预处理,并利用改进算法进行缺陷的精确提取与准确分类。