随着机器视觉技术在工业生产中的应用逐渐广泛,对图像数据的过程监控也成为一个重要的研究方向。本文以图像为研究对象,在图像缺陷形状未知,位置未知的情况下,通过分析计算获得高维图像数据,基于图像数据进行过程监控方法研究。首先,针对图像中缺陷大小,形状,位置均未知的情况,使用图像差分以及图像增强的方法来突出图像缺陷,并基于图像区域的灰度平均值构建图像数据。针对高维图像数据,提出基于实时对比思想的图像数据监控方法,将监控过程转化为一个分类问题,并使用了一种欠采样方法解决样本不平衡问题。通过仿真实验验证该方法在单个缺陷以及多个缺陷两种情况下的监控效果,并与Megahed等提出的基于最大广义似然比的图像数据监控方法进行对比,结果表明,该方法可以有效地监测不同情况下缺陷的发生。其次,在基于实时对比的图像数据监控方法基础上,为改善移动窗口造成的延迟问题,首先提出一种加权SMOTE方法依据样本的分类准确率计算权重,生成新的实时图像,增大潜在缺陷图像在实时图像集中所占比例,在样本层面提高分类准确率的敏感度。同时对统计量进一步改善,提出基于实时对比的广义似然比控制图来监控图像数据,在统计量层面提高监控敏感度。通过仿真实验,该方法相比直接应用实时对比方法能够更快的检测出图像数据中的偏移。最后,将基于实时对比的图像数据监控方法应用于实际案例中,并详细阐述控制图应用的步骤。结果显示,所提方法能够较快检测到缺陷发生,并可以通过与受控图像对比区域统计量确定缺陷的位置,为工作人员提供帮助,及时进行过程恢复。