三芯电源线作为供电连接线在生活与生产中被广泛使用,如果三芯电源线质量不过关,通电使用过程中势必危及人身财产安全。目前我国三芯电源线生产过程主要依靠半自动化设备完成,很多环节需要人工参与,生产效率较低。本文以提高三芯电源线生产过程中颜色识别准确率和铜线铆接缺陷检测准确率为目的,在深入研究图像感兴趣区域提取、图像颜色识别和图像边缘特征提取相关理论的基础上,设计出面向自动化生产与检测的三芯电源线机器视觉识别系统,并且通过实验验证了识别算法的适用性,实现了高效率的全自动化生产,具有很好的实际应用价值。论文的主要研究工作如下:(1)高质量图像获取算法设计:基于图像颜色空间转换原理,设计算法对相机传输到计算机并解码后的YUV图像数据进行颜色空间转换,获得RGB色彩模式下的图像数据,作为后期图像算法处理的原始图像。(2)图像感兴趣区域提取算法设计:设计自动全局阈值分割算法,对黑色背景区域构建灰度直方图模型,自动定位直方图中频数最高的灰度值,利用高斯分布实现阈值分割。利用形态学运算对自动全局阈值分割后的图像进行降噪处理,获得完整的感兴趣区域,为颜色识别奠定了基础。(3)颜色识别算法设计:针对导线颜色存在色差的情况,设计基于高斯混合模型的颜色分类器识别方法,可以持续将有色差的颜色训练到颜色分类器中,从而方便、高效的实现颜色识别,识别率达到98.7%。(4)边缘特征提取算法设计:针对导线铆接后存在形变,位置不固定的情况,设计基于平方差匹配法的模板查找方法,利用仿射变换提取出铆接区域。在铆接区域中使用带通滤波算法对端子插片外裸露铜线边缘特征进行提取,实现缺陷检测,检测准确率达到99.7%。(5)机器视觉检测系统硬件结构和软件系统设计:针对三芯电源线自动化生产与检测特点,搭建合适的光路采集高质量图像,根据检测需求设计检测软件架构、流程和人机交互界面。设计实验对上述图像处理算法进行验证,并且对其中识别错误的图像进行了详细的分析,给出了误检原因。