随着生产和工艺的进步,人们对产品的质量要求越来越高,基于机器视觉的在线检测系统成为一种重要的质量控制手段。本文对应用于宽幅面、高精度的基于机器视觉的坯布表面质量在线检测理论与算法进行了研究,研制并开发了一套坯布表面质量检测系统。首先,根据坯布表面质量检测中的宽幅面、高精度的特点,设计了一种主／从机分布式机器视觉在线检测系统结构,采用多个图像处理子系统协同完成检测任务,保证了系统快速处理海量图像的可靠性,并使用千兆以太网来完成图像数据与控制指令的网络传输,保证了图像采集、处理、传输和存储的实时性。文章针对坯布纹理特点,设计了大功率LED条形阵列的正向单侧可变角度照明,光照强、照度均匀,避免了固定角度照明适应性差,影响疵点信息提取的缺点。为滤除坯布图像在采集过程因光照、拍射角度、镜头污染等加入的噪声,分析了根据坯布纹理特征选择滤波器的原则,对频谱特征提取方法、模糊结构元纹理定义以及坯布纹理的分析方法等进行了探讨,研究了基于扇区能量统计的谱特征提取方法,较好地解决了坯布纹理的处理问题。同时,针对滤波执行效率低、复杂一维信号特征提取困难等细节问题,提出了滤波类算子的优化方法,明显提高了算子的执行效率。针对坯布纹理图像的特点,研究了一种适合在非规则纹理图像中寻找目标区域的高精度自适应阈值分割算法。同时,根据疵点特征类型及其区域识别的需要,提出了用矩形窗沿直线扫描,通过计算窗内斑点的总面积来确定是否保留直线上该点的窗线扫描方法,解决了预处理后图像中疵点信息断裂的难题,在此基础上通过两个实例验证了其优越性。然后,根据坯布疵点的常见类型,提取了方差-密度、对比度-密度、熵-密度、频域统计等作为对疵点特征的描述参数,通过求各类疵点特征的并集作为对其所有特征的统一描述,设计了基于特征参数的坯布疵点分类方法,研究了基于改进型BP神经网络的坯布疵点分类器,实现坯布的最终质量评价。最后,在上述算法和理论的基础上,设计开发了坯布表面质量检测系统。实验分析表明,本系统的检测速度最高达200 m/min,疵点的最高检测精度为0.5mm,能够实现对常见8类疵点的实时分类,准确率为90%以上。