机器视觉检测是将机械、自动化、计算机图像处理等技术融合在一起的一种检测技术。该技术被广泛应用于各行各业中,主要表现为产品的质量识别以及产品的表面缺陷检测等。本文利用机器视觉检测分拣技术实现对制袜过程进行智能检测分拣任务,不仅具有理论上的研究意义而且也提高了传统制袜企业的生产运作效率和产能。本论文是基于机器视觉检测分拣技术手段,以实际的制袜企业生产的袜子为检测对象,设计了一套智能的基于机器视觉技术的袜子检测分拣系统。主要研究内容和成果如下:首先,对整个系统所需的功能进行分析,由所需的功能为基础,设计整个系统的架构方案。由整个系统的设计方案分别设计各个子系统,如:视觉系统、分拣系统、传送系统、图像处理系统、控制系统。然后完成系统硬件平台搭建。其次,对袜子图像识别的算法进行研究,本文采用的算法是深度学习神经网络算法,并利用深度学习算法实现了对袜子样本的处理、训练模型、以及预测袜子是否合格。通过该算法训练模型预测袜子,使整个系统检测的精准度到达87%左右,符合企业的要求。因此,该项研究内容也为本文的核心工作。接着,完善了该检测系统的软件系统部分。软件系统主要分为登录与注册系统和硬件信息查询与袜子图像检测系统。登录和注册系统主要是保护了系统的安全性,硬件信息查询与袜子图像检测系统主要是可以查看整个系统内硬件信息以及检测袜子图片合格情况系统运作的时间等。最后,对整个机器视觉袜子检测分拣系统的袜子图像检测部分和分拣部分进行测试与实验,根据试验的数据和以及评定的标准得出该系统的检测精准度和分拣精准度。