目前国内啤酒生产厂商大都采用人工目测的方法来检测灌装后啤酒的封盖、液位及杂质和裂纹,其缺点是速度慢、效率低、漏检率高,检测人员很容易疲劳,进而造成啤酒质量下降。而基于机器视觉技术的灌装后啤酒检测系统能够实现速度快、精度高的自动化检测。我国对啤酒视觉检测设备的研究远落后于发达国家。我国啤酒生产的大规模发展,急需国人的努力来弥补这一差距。为此,本论文对灌装后啤酒检测系统进行了深入、系统的研究。本论文介绍了灌装后啤酒检测的概念、市场需求以及相关的机器视觉技术,设计了灌装后啤酒检测系统的软件系统方案,深入研究分析了针对啤酒封盖、液位、杂质和裂纹的多种机器视觉检测方法。论文的主要内容如下:1.在总结了目前相关的机器视觉技术和国内外相关成果的基础上,结合灌装后啤酒检测的实际需求,提出了灌装后啤酒检测系统的整体设计方案。2.介绍了灌装后啤酒自动检测系统的概念和市场需求,以及与啤酒自动检测系统相关的一些重要的机器视觉技术,包括光源与照明技术、光学镜头与高速CCD摄像机、图像采集卡和视觉传感器等,另外还介绍了机器视觉在工业检测中的应用情况等。3.在分析了瓶盖封口检测需求的基础上,提出了一种基于形状匹配的检测算法,并讨论了各种边缘检测算法的优缺点。在分析了液位检测的需求的基础上,设计了一种基于Sobel边缘算子在特定区域检测的快速液位检测算法,检测成功率90%以上,检测时间15ms以内。实验测试表明这种算法具有较理想的实用价值。4.在分析了杂质与裂纹检测需求的基础上,首先提出了一种基于传统边缘检测算法的检测方法,证明传统边缘检测算法成功率较低,还不能完全满足检测的要求;通过实验分析提出了基于差影检测的检测算法,效果也不十分理想。最后将神经网络用于杂质与裂纹检测的缺陷判决,测试了BP神经网络的应用效果,实验证明该方法检测成功率90%以上,效果理想。本论文通过理论分析研究和大量实验证明了所提出的灌装后啤酒检测系统的合理性以及针对啤酒封口、液位及杂质和裂纹的检测方法的有效性和可行性,解决了实际应用中的大部分问题,为进一步的研究开发奠定了很好的基础。该系统可完成灌装后啤酒封口、液位检测及杂质和裂纹检测,并能分选不合格产品。