热塑性聚氨酯弹性体发泡材料（E-TPU）是一种新型环保高弹性材料,其各类制品正在国际市场上兴起,鞋中底是其中最为热门的产品之一。目前在工业生产中,鞋中底的缺陷检测依赖于人工检测,成本高昂,无法满足工业在线实时检测的需求。为实现在线实时缺陷检测,本文针对鞋中底的特殊造型提出了有效的缺陷检测方法。提出一种基于改进的大津法提取鞋中底制品双边缘检测的方法。鞋中底有着较为特殊的造型,侧面对表面检测造成了很大程度的干扰,提取制品双边缘成为必不可少的前置工作,不但在边缘缺陷检测中起重要作用,而且需要分割表面和侧面区域,避免侧面和表面缺陷检测相互干扰。本文方法将大津法拓展为3类,分两步分别结合邻域山谷探寻法（NVE）和方差加权对象法（WOV）计算最优阈值,分割图像提取边缘;为保证检测到边缘的准确性,使用相邻域梯度极值判别方法,对局部自检并对存在偏差的边缘做出适当调整。实验结果表明,该方法可有效分割制品表面、侧边和背景,清晰地提取制品双边缘,自检并调整偏差边缘,在本制品中准确率为95.58%,具有较好的检测性能以及较高的准确率。提出一种基于机器视觉的E-TPU鞋中底表面缺陷自动化检测和缺陷分类方法。E-TPU鞋中底的表面缺陷依赖于人工检测,合格标准良莠不齐,目前几乎没有自动化的缺陷检测方法满足工业生产的需求。本文方法共分为彩色缺陷检测、块状缺陷检测和直线型缺陷检测三部分,彩色缺陷检测采用RGB三通道自检识别烧焦和彩色污染,表面缺陷检测通过超像素分割和背景先验信息判断孔洞、杂质和脏污三种缺陷,直线型缺陷检测通过Gabor算子和Hough变换检测压痕与凸痕,其中在完成图像预处理后,表面缺陷检测和直线型缺陷检测采用并行计算同时进行。本文方法DR为6.8%,FAR为8.3%,运行时间不超过1.5s,试验结果表明该方法可快速准确的检测E-TPU鞋中底的多种缺陷。