“工业4.0”理念正逐渐深入人心,大多数制造企业开始了项目的实施阶段。从概念到实践:“工业4.0”涉及到智能工厂、智能生产和智能物流三个大方向,都需要产品标识与跟踪、工业机器人、系统软件和大数据等技术支持。在产品标识与跟踪方面,由于条形码具有成本低、高可靠及易用性等特点,在现代制造业生产控制管理中,条码识别技术已成为主要的产品标识与跟踪手段。在实际使用过程中,噪声、光照、以及运动产生的模糊等因素往往干扰相机获取的条码图像质量,从而影响了条码识别的准确性。虽然目前对EAN8、EAN13、code39、code128和QR码在内的码型的识别研究技术已很成熟并应用也很广泛,但对于工业条码的研究还很稀少。在当前电子工业迅速发展的大环境下,电子行业正向小型化,高集成度的方向发展。印刷电路板作为各种电子元器件的高度信息集合被广泛应用在电子工业中的各个领域。由于印刷电路板高密集、高集中的特点,给传统的人工目检带来了巨大挑战。如何精准、高效、低成本的实现工业生产线上条形码识别或pcb自动检测具有十分重要的研究意义。本文研究的内容主要包括两部分:其一是针对工业生产线上条形码识别算法的研究:介绍了常见的几种条形码,分析了工业中用于标识与跟踪的code128条形码的结构、编码原理和译码方法。针对工业生产检测中常见的噪声条形码和模糊条形码的处理算法进行了介绍。将基于噪声检测的加权中值滤波算法应用到噪声条形码的去噪处理中;利用方向微分和微分自相关算法来估计运动模糊的PSF的方向和尺度,并采用维纳滤波算法进行图像复原。根据条形码图像特点(条形码的条中间有细小的间隙,成不连续的颗粒状)选用灰度形态学的腐蚀算法将条形码条中的间隙腐蚀掉,使其变为连续的线状,以便于后期条码识别。最后利用zbar提供的一维条形码译码算法对条形码进行识别。实验表明该算法能有效的提高条形码识别算法的准确性。其二是针对生产线上pcb板缺陷检测技术的研究:为了降低生产中产生的各种噪声影响,首先对pcb板进行去噪处理;然后利用仿射变换实现图像校准;最后根据pcb元件特点,针对不同的元件,提出了不同的检测方法。对于具有规则几何形状的电容元件,采用基于圆弧基元的定位与匹配方法;针对不规则形状的元件,如插针、二极管等,采用改进的SSDA匹配法。最后进行了实验验证。