我国人口众多,且国内制造业、服务业等行业体量大,类型丰富,这对我国的电力供应与发展提出了很高的要求。而电线电缆作为电力供应不可或缺的产品,电缆的生产质量直接影响着我国电力水平的繁荣与发展。电缆生产过程中需要对加工好的导体进行绝缘包覆,绝缘加工过程作为导体加工之后的第一步,对产品导电性能,产品最终质量有着深刻的影响。目前电缆的喷涂绝缘加工过程质量是由电缆喷涂后的表面颗粒分布情况控制的,而电缆颗粒的检测是以人工检测与设备检测结合的方式进行。但人工检测往往会产生各种错误,同时检测效率低;而检测设备主要由国外的公司把控,设备更新缓慢,这提升了电缆生产的成本,降低了生产效率以及产品质量。而随着近年来计算机领域软、硬件的迅猛发展,数字图像的存储、计算发展壮大,相应的数字图像处理技术也有着显著的进步,且应用领域深入各种场景、领域。因此,本文针对电缆喷涂绝缘过程中的颗粒检测问题,运用图像处理技术与机器学习方法,通过检测电缆喷涂后形成的颗粒图像,确定电缆颗粒在图像中的分布情况以及电缆上颗粒的粒径大小。本文的主要研究工作如下:(1)分析并简述了电缆颗粒数字图像的特点,通过对比几种图像降噪方法在电缆颗粒图像中的噪声、杂乱背景、亮度分布等问题的处理效果确定图像的预处理方法,根据电缆颗粒图像边缘明显,纹理、颜色特征缺乏的图像特点,运用边缘检测算子对电缆颗粒图像进行特征提取。(2)以电缆颗粒检测定位为目标,提出一种电缆颗粒检测方法。针对电缆颗粒图像颗粒数目多、位置分布无规律的特点,通过滑动窗口方法与支持向量机分类器结合,构建电缆颗粒的检测模型;考虑到图像中存在的背景占比较多,同时背景中噪声、“云雾”等不相关信息多且无规律的情况,在检测过程中用分水岭算法提取图像前景。检测完成后使用非极大抑制算法删除多余标记点,并获得最终检测结果。(3)针对电缆颗粒粒度检测任务,提出一种电缆颗粒的粒度检测方法。以电缆颗粒检测定位分析结果作为种子点,运用基于标记的分水岭算法进行图像分割,得到颗粒的简单封闭边缘描述;然后通过霍夫变换对电缆颗粒进行粒度检测;针对检测结果为粒径对应的像素数,通过图像中的标尺信息对颗粒粒度进行转换,获得实际颗粒粒度值。